Professional Documents
Culture Documents
Modlisation
SOMMAIRE
AVANT-PROPOS ......................................................................................................................... 5 1. INTRODUCTION ................................................................................................................... 6 2. EXEMPLE D'ETABLISSEMENT DUNE EQUATION MECANISTE ............................................ 7 2.1. Equation de diffusion 1D ........................................................................................... 7 2.2. Interprtation d'une quation aux drives partielles .......................................... 11 2.3. Equation de la Diffusion 3D .................................................................................... 12 2.4. Conditions limites et condition initiale ................................................................... 14 2.5. Rgime permanent et non permanent .................................................................... 15 2.6. Complments lquation de base ......................................................................... 15 2.6.1. Injection (ou soutirage) .................................................................................... 15 2.6.2. Cintique propre du produit ............................................................................. 16 2.6.3. Convection ....................................................................................................... 16 2.6.4. Cas o K est variable (dans toutes les directions et en tous points) ................. 17 2.6.5. Autres problmatiques...................................................................................... 18 2.7. Sur le Laplacien, le Gradient et le Divergent ........................................................ 18 2.7.1. Oprateurs en mathmatique et en physique .................................................... 18 2.7.2. Le Laplacien ..................................................................................................... 19 2.7.3. Le gradient........................................................................................................ 19 2.7.4. Le divergent...................................................................................................... 20 2.7.5. Remarques ........................................................................................................ 20 2.8. Laplacien en coordonnes polaires ......................................................................... 21 3. CLASSIFICATION DES EQUATIONS AUX DERIVEES PARTIELLES DORDRE 2 ................... 22 3.1. Classification par les coniques ................................................................................ 22 3.1.1. Classification par discriminant et par valeurs propres ..................................... 22 3.1.2. Application aux EDP dordre 2 ........................................................................ 22 3.2. Equation stationnaire et quation dvolution ...................................................... 25 4. RESOLUTION DES EDP - PRINCIPE DES METHODES NUMERIQUES .................................. 26 5. LA METHODE DES DIFFERENCES FINIES ........................................................................... 27 5.1. Principe de la mthode ............................................................................................ 27 5.2. Cas dune EDP elliptique (stationnaire) ................................................................ 28 5.2.1. Cas de conditions de Dirichlet ......................................................................... 28 5.2.2. Cas de conditions de Neumann homognes ..................................................... 34 5.2.3. Cas de conditions de Neumann non homognes .............................................. 37 5.3. Notions sur les erreurs de la mthode .................................................................... 39 5.3.1. Prsentation ...................................................................................................... 39 5.3.2. La consistance .................................................................................................. 40 5.3.3. La stabilit ........................................................................................................ 41 5.3.4. La convergence ................................................................................................ 41 5.4. Cas dune EDP parabolique 1D (volutive) ........................................................... 42 5.4.1. Position du problme et mthode ..................................................................... 42 FN CRES
Modlisation
5.5.
5.6.
5.7.
5.8.
5.4.2. Les schmas types ............................................................................................ 42 5.4.2.1 Discrtisation du domaine dtude .......................................................... 43 5.4.2.2 Discrtisation de lquation ..................................................................... 43 5.4.3. Le schma explicite .......................................................................................... 44 5.4.4. Le schma implicite ......................................................................................... 45 5.4.5. Le schma explicite 2 pas .............................................................................. 47 5.4.6. Le schma pondr ........................................................................................... 47 5.4.7. Exemple d'un schma explicite stable .............................................................. 49 Cas d'une EDP parabolique 2D .............................................................................. 49 5.5.1. Schmas classiques .......................................................................................... 49 5.5.2. Schma des directions alternes ....................................................................... 50 Cas d'une EDP hyperbolique (volutive) ............................................................... 51 5.6.1. Schmas explicites ........................................................................................... 51 5.6.2. Schmas implicites ........................................................................................... 53 Cas particuliers ........................................................................................................ 54 5.7.1. Maillage irrgulier en 1D ................................................................................. 54 5.7.1.1 Discrtisation de la drive premire ...................................................... 55 5.7.1.2 Discrtisation de la drive seconde ........................................................ 55 5.7.2. Maillage irrgulier en 2D ................................................................................. 56 5.7.2.1 Maillage rgulier dans chaque dimension ............................................... 56 5.7.2.2 Maillage irrgulier dans chaque dimension ............................................ 56 5.7.3. Drive mixte ................................................................................................... 57 5.7.4. Discrtisation du divergent............................................................................... 57 Traitement des termes non linaires ...................................................................... 60
6. LA METHODE DES ELEMENTS FINIS .................................................................................. 62 6.1. Comparaison Diffrences finies Elments finis .................................................. 62 6.2. Equivalence de problmes ....................................................................................... 62 6.2.1. Objet ................................................................................................................. 62 6.2.2. Equivalence entre systme matriciel et problme de minimisation ................. 62 6.2.3. Equivalence avec un problme de minimum ................................................... 63 6.2.4. Rcapitulatif ..................................................................................................... 64 6.2.5. Application aux EDP ........................................................................................ 64 6.2.6. Approximation interne ..................................................................................... 65 6.3. Construction pratique du problme variationnel ................................................. 66 6.3.1. Cas dune quation diffrentielle ..................................................................... 66 6.3.1.1 Cas dune condition de Neumann homogne ........................................... 66 6.3.1.2 Cas dune condition de Dirichlet homogne ............................................ 67 6.3.1.3 Cas dune condition de Neumann non homogne .................................... 67 6.3.1.4 Cas dune condition de Dirichlet non homogne ..................................... 67 6.3.2. Cas dune EDP ................................................................................................. 68 6.4. Mise en uvre de la mthode des lments finis ................................................... 69 6.5. Cas dune quation diffrentielle - Fonction linaire par morceaux................... 69 6.5.1. Cas de condition de Dirichlet homogne ......................................................... 69 6.5.2. Cas de condition de Neumann homogne ........................................................ 74 6.5.3. Cas de condition de Neumann non homogne ................................................. 75 6.5.4. Cas de condition de Dirichlet non homogne .................................................. 76 6.6. Cas dune quation diffrentielle - Fonction parabolique par morceaux .......... 77 6.7. Cas dune EDP Approximation linaire par lment ........................................ 84 6.8. Cas dune EDP Approximation quadratique par lment ................................ 91 6.9. Extension de la mthode .......................................................................................... 92 FN CRES
Modlisation
6.10. Extension aux problmes volutifs ......................................................................... 92 7. RESOLUTION DES SYSTEMES DEQUATIONS LINEAIRES ................................................... 93 7.1. Introduction .............................................................................................................. 93 7.2. Mthodes directes ..................................................................................................... 93 7.2.1. Mthode de Gauss-Jordan ou mthode du pivot .............................................. 94 7.2.1.1 Principe .................................................................................................... 94 7.2.1.2 Limite de la mthode ................................................................................ 95 7.2.2. Mthode de Gauss (ou triangularisation) ......................................................... 95 7.2.2.1 Principe .................................................................................................... 95 7.2.2.2 Nombre d'oprations ................................................................................ 96 7.3. Mthode du double balayage pour les matrices tridiagonales (Cholesky). ........ 96 7.4. Mthodes itratives .................................................................................................. 97 7.4.1. Principe............................................................................................................. 97 7.4.2. Mthode de Jacobi ............................................................................................ 98 7.4.3. Mthode de Gauss -Seidel ................................................................................ 98 7.4.4. Facteur de relaxation ........................................................................................ 99 ANNEXE 1 : ECRIRE UN SYSTEME MATRICIEL .................................................................... 100 ANNEXE 2 : LA PENTE D'UNE DROITE ................................................................................. 101 ANNEXE 3 : DEVELOPPEMENT DE TAYLOR ........................................................................ 102 ANNEXE 4 : LE LAPLACIEN EN COORDONNEES POLAIRES ................................................. 103 BIBLIOGRAPHIE ..................................................................................................................... 106
FN CRES
Modlisation
AVANT-PROPOS
Ce polycopi est une introduction aux quations aux drives partielles et leur rsolution, tout ceci ayant comme objectif la modlisation mathmatique du monde qui nous entoure, ou, pour rester plus modeste, la modlisation des problmes courants rencontrs par l'ingnieur. Soyons clair : vous n'aurez peut-tre que peu ou pas l'occasion de manipuler les quations aux drives partielles plus tard, car cela est fait dans les logiciels que vous utiliserez plus certainement. Ce cours a donc pour objectif de vous montrer comment on construit et rsout ces quations afin que vous puissiez avoir un regard critique et clair sur les outils informatiques que vous utiliserez. Le chapitre 1 situe succinctement la modlisation mathmatique parmi les modlisations les plus courantes. Ces quations ne sont pas toujours bien abordes par les tudiants qui y voient une criture sotrique et parfois incomprhensible. Le chapitre 2 tente de dmystifier ces quations en prsentant un exemple simple et baser sur "le bon sens" dans lequel on aboutit l'quation de la diffusion. L'objectif est alors de ne pas perdre le lecteur avec une approche trop mathmatique susceptible de le dcourager. Cependant, il est important que le lecteur se familiarise rapidement avec les symboles mathmatiques utiliss. Ce n'est pas la manire "officielle" de prsenter cette quation, mais cette dmonstration prsente l'immense avantage de pouvoir tre suivie avec un niveau de terminale scientifique (du moins, je l'espre !). On arrive petit petit l'criture la plus complte de l'quation de la diffusion. Le chapitre 3 n'est pas le plus important, mais il introduit la classification des quations aux drives partielles, lment structurant pour la suite. A partir du chapitre 4, on aborde la rsolution des quations aux drives partielles par 2 mthodes numriques : La mthode des diffrences finies, qui est une mthode simple, et que lecteur pourra suivre aisment La mthode des lments finis, qui est d'un abord beaucoup plus complexe. Le lecteur s'attachera comprendre le principe et traiter les exemples complets qui y sont dvelopps. Enfin, le dernier chapitre sur la rsolution des systmes d'quations linaires, aboutissement des 2 mthodes prcdentes, est l titre informatif. En effet, la mise en uvre de ces mthodes ncessite gnralement des connaissances informatiques, notamment de programmation, ce qui dborde du sujet abord dans ce document.
FN CRES
Modlisation
1.
INTRODUCTION
La modlisation dun phnomne est une dmarche visant reprsenter par un moyen adquat le comportement de ce phnomne. Dans les sciences de l'ingnieur, la modlisation permet de comprendre les variables qui influencent ce comportement, afin de dimensionner des ouvrages, d'anticiper son volution, de simuler des situations venir. La modlisation peut tre aborde de diffrentes faons. On peut proposer la classification sommaire suivante : Les modles rduits Qui ne connat pas les souffleries o sont tests les modles rduits davion ? Le modle rduit permet de rendre compte du comportement dun objet soumis diffrentes contraintes sans avoir construire cet objet dans sa taille normale. La thorie des similitudes permet alors, partir du comportement du modle rduit, de conclure sur le comportement de lobjet rel. Les modles analogiques Ils permettent de reprsenter un phnomne partir dune analogie avec un autre plus facile laborer. Par exemple, le comportement dune nappe deau dans le sol peut tre abord par une analogie avec le potentiel lectrique d'une plaque mtallique. Les modles mathmatiques Ces modles sont les plus courants actuellement, suite la monte en puissance des ordinateurs et de leur capacit calculer vite. Ils sont bass sur la mise en quation mathmatique du phnomne tudier. Ce sont ces modles qui vont nous intresser pour ce cours. L aussi, on peut tenter une classification sommaire. - Les modles empiriques Il sagit didentifier les variables qui interviennent priori dans un phnomne physique et de les relier par une quation partir dune srie dobservations. Cette quation na parfois rien de physique, mais reprsente bien le nuage de points . Elle est totalement dpendante de lchantillon qui a servi au calage. - Les modles conceptuels Ils abordent la reprsentation dun phnomne complexe partir dun autre beaucoup plus simple tudier. Par exemple, en hydrologie, on conoit souvent le fonctionnement dun bassin versant (en termes de production dun dbit deau) comme celui dun rservoir, objet dont le remplissage et/ou la vidange se mettent facilement sous forme dquations. - Les modles mcanistes La mcanique, en tant que science, est la base de la reprsentation du phnomne. On aboutit gnralement un type dquations dites aux drives partielles, quil sagit ensuite de rsoudre. Cest ce dernier type de modlisation auquel ce cours se consacre. On verra successivement comment on aboutit des quations aux drives partielles travers un exemple, et deux mthodes classiques pour les rsoudre. FN CRES
Modlisation
2.
On va partir dun exemple suffisamment simple pour tre comprhensible quelque soit lorigine scientifique du lecteur : le comportement dun produit par exemple un polluant dans de leau. Il sagit dun problme dit de diffusion.
soit
M = K xS
C1 C 2 t x
La dimension de K, qui est appel coefficient de diffusion, est ici m/s. Remarque : cette relation peut se vrifier exprimentalement. La forme de cette relation s'applique diffrents domaines scientifiques en fonction de la variable C et porte diffrents noms selon le domaine concern (loi de Fick en Gnie des Procds, loi de Darcy en hydrogologie, loi de Fourier en thermique ) On admettra comme convention que M est positif si C1 > C2 et que le coefficient Kx est constant le long de laxe Ox (on tudiera le cas de ce coefficient variable plus loin) Cette quation trs simple, admise comme hypothse, est la base de l'quation de la diffusion. Le lecteur est invit bien la mmoriser et toujours se rappeler ce point de dpart. On considre maintenant un volume de matire homogne dcoup en paralllpipdes de longueur x. On considre des paralllpipdes suffisamment petits pour que la concentration, au sein de chaque paralllpipde, y soit considre comme constante. FN CRES
Modlisation
Faisons un bilan de produit au niveau de la tranche i selon l'axe des x : on regarde ce qui rentre et ce qui sort de cette tranche pendant lintervalle de temps t afin de connatre la concentration dans cette tranche. On suppose donc qu'il n'y a pas d'change de matires dans les directions Oy et Oz.
z i-1 Ci-1
x y
La quantit de matire qui franchit la face 1, compte positivement dans le sens de l'axe Ox, s'crit : C Ci M i1 = K x S i 1 t x La quantit de matire qui franchit la face 2, compte positivement dans le sens de l'axe Ox, s'crit : C C i +1 M i2 = K xS i t x Si on considre que le coefficient Kx est constant le long de l'axe Ox, le bilan dans la tranche i s'crit : Variation de matire (Mi) = ce qui entre (Mi1) ce qui sort (Mi2) C 2Ci + Ci +1 M i = M i1 M i 2 = K x S i 1 t x
Ecrivons la variation de concentration dans la tranche i, en divisant par son volume Sx : C 2Ci + Ci +1 C 2Ci + Ci +1 M i C = = K x S i 1 t = K x i 1 t S x S x x x 2
Soit
C 2Ci + Ci +1 C = K x i 1 t x 2
(quation A)
FN CRES
Modlisation
C'est donc, en terme d'unit, par exemple des mg/l/s, soit de combien varie C par unit de temps. Notamment, si t = 1 (1 seconde), on a Ci+1 la variation de C directement chaque seconde. C Ce n'est cependant pas ce qui va nous Ci intresser, car on dsire savoir comment varie C instantanment (pour une trs t petite dure), car quand on crit une ti+1 ti fonction C(x, t), cela signifie que C est t "exprimable" aux coordonnes x et t, et pas pour un intervalle x et t. On fait donc tendre t vers 0 pour avoir une variation instantane C (le mot "instantane" doit bien tre pris dans son sens premier : un instant, donc quand t0).
Vers quoi va tendre le rapport C/t quand t0 ? Si on y regarde rapidement et instinctivement, il tend vers un rapport 0/0, ce qui est indtermin. C'est l que les mathmatiques viennent notre secours !
Considrons l'angle entre l'horizontale et la corde reliant les points (Ci, ti) et (Ci+1, ti+1). La tangente de cet angle est le rapport entre le cot oppos et le cot adjacent, soit C/t. C'est aussi la valeur de la pente de la corde (voir Annexe 2 si ncessaire). Vers quoi tend le rapport C/t quand t0 ? On voit graphiquement que ce rapport tend vers la pente de la tangente la
t Tangente la courbe courbe au point d'abscisse ti. C'est--dire que la variation instantane de C est gale la pente de la tangente la courbe l'abscisse t qui nous intresse. C On nomme cette pente de la tangente la courbe "drive premire" et on la note . C'est t la variation instantane de la concentration (en fonction du temps ici) et peut tre interprte smantiquement comme "comment drive (au sens de la variation) la fonction C en fonction de t". Elle exprime la valeur (ou la limite) de C/t quand t tend vers 0 (et il plus rapide C d'crire que "limite de C/t quand t tend vers 0"). t
Remarque : il y a la notation
C dC et . Tout dpend si la fonction C est fonction d'une ou dt t plusieurs variables. Ici, C est fonction de x (voire de y et z galement voir plus loin) et de t. FN CRES
Modlisation
10
On parle alors d'une "drive premire partielle" car on ne regarde la variation instantane de C qu'en fonction de t, alors qu'elle dpend aussi de x (on regarde cette variation pour un x fix, mais ce n'est pas forcment la mme pour tout x). dC Si C n'tait fonction que de t, on crirait alors car il n'y a pas d'autres variables qui dt peuvent influencer cette valeur de variation instantane. De faon gnrale, si on a une fonction U(x) U dpend d'une seule variable alors on parle de drives pour dsigner des variations instantanes en fonction de x, et si U dpend de plusieurs variables, on parle de drives partielles. Si une quation relie la fonction U avec ses drives (ce qui est le cas le plus frquent dans les modles mathmatiques), on parle d'quation diffrentielle si U ne dpend que d'une variable, et d'quations aux drives partielles si U dpend de plusieurs variables.
C au point d'abscisse x. Cette drive x correspond la pente de la tangente la courbe au point d'abscisse x comme on vient de le voir. Considrons la courbe ci-dessous et sa drive On peut approximer cette tangente par la pente de la corde entre les points (xi ,Ci) et (xi+1 ,Ci+1). La pente de cette corde est gale la tangente de l'angle entre la corde et l'horizontale.
Ci 1 2Ci + Ci +1 ? x 2
C Ci+1 Ci Ci-1
Approximation de la tangente
pente est donc gale Ci +1 Ci tg()= ; plus x est petit, et x plus l'approximation est valide. C Ci est Autrement dit, le terme i +1 x
Cette
C une approximation de la drive premire l'abscisse xi quand x 0. x i C De la mme faon, on peut approximer la drive premire l'abscisse xi par la pente x i C C Ci 1 quand x 0. de la corde entre les points (xi ,Ci) et (xi-1 ,Ci-1) : i x x i
FN CRES
Modlisation
TOPO sur la drive seconde
11
On peut maintenant avoir une approximation de la drive seconde en xi , en drivant 2 fois C(x) par rapport x, et en appliquant les 2 faons vues au-dessus: 2C C Ci +1 Ci C C Ci +1 Ci Ci Ci 1 Ci 1 2Ci + Ci +1 = x x x x = x x x x = x 2 x 2 = x 2 x 2 i i +1 i i Autrement dit, le deuxime terme de l'quation A correspond l'approximation de la drive C 2Ci + Ci +1 2 C seconde de la fonction C; quand x 0, nous avons i 1 x 2 x 2 i L'quation A est donc une expression de C 2C = Kx t x 2 et tend vers cette dernire quand x 0 et t 0 L'quation encadre est dite de la diffusion 1D (1D pour une dimension d'espace). Cest une quation aux drives partielles (EDP) car C est fonction dau moins 2 variables (x et t) et elle fait intervenir les drives de C par rapport ces 2 variables.
FN CRES
Modlisation
12
C Cas 1 C i+ Cas 2
Ci- x Xi Xi Xi- Xi+ X i- Xi+ Sur le graphique ci-dessus, on considre un petit dplacement gauche et droite de X et l'allure de la solution entre Xi- et Xi+. Nous avons une valeur (approximative) des drives premires droite et gauche de Xi travers les pentes des cordes entre Xi- et Xi d'une part, et Xi et Xi+ d'autre part. Il est important de remarquer que la variation de concentration entre Xi- et Xi+ est ma mme dans les 2 cas.
Dans le cas 1, les pentes sont voisines. L'quation dit donc que dans l'intervalle de temps t, C 2C la concentration en xi ne changera gure (donc sera faible) puisque le terme 2 est voisin t x de 0. Dans le cas 2, les pentes sont trs diffrentes. L'quation de la diffusion dit alors que la C 2C sera important) puisque le terme 2 est loin concentration en xi va beaucoup changer ( t x d'tre ngligeable). Ainsi, l'quation de la diffusion prcise que la variation de concentration dans le temps ne dpend pas de la diffrence de concentration entre 2 points, mais dpend de la diffrence des pentes entre ces 2 points (donc de l'allure de la solution et non de la valeur de la solution). L'interprtation physique est simple : les valeurs de pentes reprsentent les flux de part d'autres du point xi (soit des quantits de polluant qui circulent gauche et droite de xi , c'est bien ce qu'on a crit au tout dbut : on a fait un bilan de ce qui entrait et sortait de tranche i). - Si les flux de part et d'autre de xi sont voisins, le bilan est proche de zro et concentration en xi ne varie gure dans le temps. - Si les flux sont diffrents, le bilan ne sera pas quilibr au niveau de xi et concentration changera dans le temps et et la la la
FN CRES
Modlisation
13
On peut raliser ce mme bilan de matire selon les deux autres axes y et z de l'espace, pour avoir un bilan total au niveau de la tranche Ci,j,k.(indice i pour laxe Ox, j pour laxe Oy et k pour laxe Oz) Supposons dans un premier temps que le coefficient de proportionnalit est constant dans toutes les directions de l'espace : Kx = Ky = Kz = K La variation Mi,j,k de matire dans la tranche (i,j,k) s'crit :
M i , j,k = (M i1, j,k M i 2, j,k ) + (M i , j1,k M i , j2,k ) + (M i , j,k1 M i , j,k 2 ) t x Ci , j1,k 2Ci , j,k + Ci , j+1,k + K yS y t y Ci , j,k 1 2Ci , j,k + Ci , j,k +1 + K z Sz t z Supposons dans un premier temps que le coefficient de proportionnalit est constant dans toutes les directions de l'espace : Kx = Ky = Kz = K
Ci , j1,k 2Ci , j, k + Ci , j+1,k Ci , j, k 1 2Ci , j, k + Ci , j,k +1 Ci 1, j,k 2Ci , j,k + Ci +1, j,k M i , j, k = K t + Sy + Sz Sx x y z
= K x Sx
or Sx = y z ; Sy = x z ; Sz = x y do
Ci 1, j, k 2Ci , j,k + Ci +1, j,k Ci , j1,k 2Ci , j,k + Ci , j+1,k Ci , j,k 1 2Ci , j,k + Ci , j,k +1 Ci , j, k = K t + + x 2 y 2 z 2
La somme des drives secondes est appele Laplacien et note . On a alors C = K C t Il s'agit de l'quation de la diffusion 3D. Ici, il faut bien noter que le coefficient de diffusion est constant dans toutes les directions de l'espace. Entre le modle 1D et 3D, on peut bien sr tablir un modle 2D.
FN CRES
Modlisation
14
Insistons sur la diffrence des 2 conditions par rapport notre exemple. Dans le premier cas, du polluant entrera dans (ou sortira de) notre domaine s'il y a une diffrence de concentration entre la frontire et la tranche priphrique (puisque la quantit qui circule entre 2 tranches est proportionnelle la diffrence de concentration). Si les concentrations la frontire et dans la tranche priphrique sont identiques, rien ne rentre (rien ne sort) Dans le deuxime cas, quelque soit les concentrations sur la frontire et dans la tranche priphrique, du polluant entre ou sort si le flux est diffrent de 0, et rien ne franchit la frontire si le flux est nul. De la mme faon, l'origine temporelle du phnomne, la concentration du produit l'intrieur de chaque tranche va commander l'change de matire entre les tranches, du moins pendant les premiers instants. La connaissance des concentrations linstant zro est donc indispensable pour apprhender lvolution des concentrations de chaque tranche dans le temps. Il s'agit ici de la condition initiale. Ces conditions sont extrmement importantes : 1) elles conditionnent la valeur de la solution, c'est--dire qu'elles sont aussi importantes que l'quation elle-mme. Des conditions limites diffrentes, pour une mme quation rsolue, donneront des solutions diffrentes.
FN CRES
Modlisation
15
2) elles doivent tre compatibles avec l'existence d'une solution, et que celle-ci soit unique (dans le cas contraire, on parle de problme mal pos) Cette dernire notion, problme bien ou mal pos, peut tre illustre avec un exemple simple. d 2 y( x ) = 0 dans l'intervalle [x1 , x2]. Prenons l'quation diffrentielle dx 2 Remarque : cette quation en y(x) n'est qu'un cas particulier d'une EDP : la fonction (y) ne dpend que d'une seule variable (x), c'est pour cela qu'on met un (d) au lieu d'un ( ). La solution analytique de cette quation est y(x) = ax + b. Il s'agit d'une solution "mathmatique" qui admet une infinit de solutions en fonction de (a) et (b), mais une solution physique se doit d'tre unique, en admettant que cette quation modlise un phnomne physique. Ce sont les conditions limites qui vont imposes la "valeur" de la solution. C'est dj un premier lment qui montre l'importance des conditions limites. Etudions diffrents cas de conditions limites en x1 et x2 : 2 conditions de Dirichlet en x1 et x2 : on a alors 2 points fixs, et par ces 2 points, on peut faire passer une droite. Le problme est bien pos. 1 condition de Dirichlet et 1 condition de Neumann : on a un point et une pente fixs, ce qui est compatible avec une droite. Le problme est galement bien pos. 2 conditions de Neumann en x1 et x2 : on a alors un problme car soit les 2 conditions de Neumann sont gales et il y a alors une infinit de solutions, soit les 2 conditions de Neumann sont diffrentes et il n'y a pas de solution car il est impossible qu'une droite ait 2 pentes diffrentes. . Le problme est alors mal pos. Cet exemple illustre donc que les conditions limites que l'on retient entrainent l'unicit ou l'inexistence d'une solution physique.
Il sagit de lquation de Laplace (somme des drives secondes en espace nulle). Rciproquement, si le temps intervient dans l'quation, on parle d'un rgime non permanent.
FN CRES
Modlisation
M0 M0 Mi M M i2 C 2C i + C i +1 = i1 + = K i 1 t + 2 S x S x S x S x x M0 C i 1 2C i + C i +1 C Soit =K + t S x t x 2 C 2C = K 2 + q0 Ou encore quand x et t tendent vers zro : t x Remarque : q0 est exprim en mg/l/s
16
D'o C =
2.6.3. Convection
Nous avons fait l'hypothse que la matire dans laquelle on observe le produit tait immobile. Supposons maintenant qu'elle est anime d'une vitesse U positive dans le sens des x. De par ce mouvement, indpendamment du phnomne de diffusion, la quantit de matire qui entre dans la tranche i en provenance de la tranche i-1 s'crit : - quantit deau qui entre par unit de temps : US (on a des m3/s si U en m/s et S en m) - masse de produit par unit de temps : US Ci-1 (on a des mg/s, si C est en mg/m3) - masse de produit : US Ci-1 t (en mg si t en secondes) et il en sort une quantit USCit par un mme raisonnement. On aura donc la variation globale suivante de matire dans la tranche i : M i = M i1 M i 2 + USCi 1t USC i t M Mi2 C Ci et la variation de concentration suivante : C = i1 + U i 1 t S x x C C 2Ci + Ci +1 C Ci + U i 1 = K i 1 soit 2 x x t C Ci est une approximation de la drive premire en i (au signe prs) et tend Le terme i 1 x donc vers cette drive quand x 0. Dans ce cas (x 0), on a alors l'quation : C C 2C C 2C C +U =K 2 =K 2 U ou bien t x t x x x Il s'agit de l'quation dite de Diffusion-Convection 1D.
FN CRES
Modlisation
17
En 3D, on considre les vitesses Ux, Uy, Uz, dans chaque direction de lespace. On tablit les mmes bilans que prcdemment et on obtient : C C C C + Ux + Uy + Uz = K C t x y z En considrant les vecteurs - U de composantes ( U x , U y , U z )
C C C - grad C de composantes x , y , z C C C C + U . grad C = K C o U . grad C = U x on a l'quation + Uy + Uz t x y z
2.6.4. Cas o K est variable (dans toutes les directions et en tous points)
Reprenons le problme sans injection, cintique ou convection. Dans un premier temps, on regarde ce qui se passe le long de l'axe Ox. La quantit de matire Mx qui franchit une section S du paralllpipde est : C C2 M x = K ( x , y, z ) S 1 t x Introduisons qx le flux, toujours selon l'axe Ox, par unit de surface d'change (flux surfacique) : M C C2 q x = x = K ( x , y, z) 1 soit M x = S t q x x S t
q x = K ( x, y, z) C quand x 0 x
En faisant un bilan d'accumulation dans une tranche i, donc un bilan des flux entre les faces 1 et 2 : Accumulation M = Entre Sortie Accumulation M = St (q x1 q x 2 ) D'o la variation de concentration au sein de la tranche j : M S t (q x1 q x 2 ) t (q x1 q x 2 ) C = = = S x S x x O encore q q x1 C q x1 q x 2 = = x2 t x x En passant en notation diffrentielle quand x 0 et t 0 : q C C = x avec q x = K ( x, y, z) t x x On procde de la mme faon sur les axes Oy et Oz. Le flux sur chacun des axes s'crit : q y = K ( x, y, z) En prsentation vectorielle, on a C C et q z = K ( x, y, z) y z
FN CRES
Modlisation
q = K ( x , y, z).gradC
18
C C C grad C est un vecteur de coordonnes x ; y ; z L'accumulation sur chacun des axes conduit : q y q C C et = = z t y t z
La variation totale de concentration sur un volume infinitsimal sera la somme des variations selon les diffrents axes : q y q z q C = x t x y z r En notant div(q) - lire divergent de q - la somme des drives premires : q y q z r q div(q) = x + + y x z r C = div(q) = div K ( x , y, z).gradC t
C'est l'criture gnrale de l'quation de la diffusion (sans convection, ni apport ou soutirage, ni cintique)
Remarque : si K est constant : K(x,y,z) = K, on a alors r C = div(q) = K div gradC = K div gradC t C C C C C C C = K = K + + x + y + x = K.C t x x y y z z
FN CRES
Modlisation
19
Ces diffrents oprateurs sont dfinis mathmatiquement. Cependant, leur application en physique est diffrente de leur dfinition mathmatique. En effet, alors qu'en mathmatique on peut avoir n variables dans un problme x1, , xn, en physique on considre classiquement 4 variables au maximum ( priori), les 3 dimensions d'espace (x, y, z) et la variable temps (t). Ainsi, quand on parle d'un laplacien en mathmatique, il va s'appliquer toutes les variables x1, , xn, alors qu'en physique, on ne l'applique qu'aux variables d'espace. Pourquoi ? Parce que dans les quations qu'on obtient physiquement, on a une certaine "symtrie" des variables d'espace o on retrouve un laplacien alors que la variable temps apparat " part". Ainsi, en appliquant le laplacien qu'aux variables d'espace, on peut l'introduire et simplifier l'criture de l'quation. Ceci est bien videmment vrai pour le gradient et le divergent. On gardera ici l'approche physique de ces oprateurs pour rester cohrent avec le polycopi, et on les appliquera uniquement sur les variables d'espace.
2.7.2. Le Laplacien
C'est la somme des drives secondes d'une fonction. Dans le polycopi, une telle somme apparat au paragraphe 2.3, lorsqu'on fait un bilan dans les 3 directions de l'espace, et que le coefficient de diffusion est constant. 2C 2C 2C C = K = K C x 2 + y 2 + z 2 t Physiquement, ici le laplacien reprsente ici le rsultat d'un bilan. Pour compter le paragraphe prcdent, dans le cas de lquation de la diffusion, le laplacien 2C 2C 2C 2C mathmatique scrirait 2 + 2 + 2 + 2 , alors que le laplacien physique x y z t quon crit est 2C 2C 2C + + donc uniquement avec les variables despace. x 2 y 2 z 2
2.7.3. Le gradient
Le gradient d'une fonction u est un vecteur de composantes u/x, u/y, u/z. Ce terme apparat dans le polycopi (au paragraphe 2.6.4) quand on veut dcrire "indpendamment" les changes de produit dans chaque direction de l'espace, et qu'on a un coefficient de diffusion variable. C Le flux en x s'crit q x = K ( x, y, z) , x C C Et sur les autres axes, on a q y = K ( x, y, z) et q z = K ( x, y, z) . y z Il est plus pratique de considrer q comme un vecteur avec 3 composantes qx, qy et qz, et on a alors q = K ( x , y, z).gradC
FN CRES
Modlisation
20
Physiquement, ici le gradient est l'expression de la variation instantane d'une fonction u dans chaque direction d'espace.
2.7.4. Le divergent
C'est la somme des drives premires d'un champ vectoriel (un vecteur). Ce terme apparat (au paragraphe 2.6.4 du polycopi) quand on veut obtenir un bilan des changes dans un volume unitaire et qu'on a un coefficient de diffusion variable. q y q z q r C C On a = div(q) = div K ( x , y, z).gradC = x , soit t x y z t Physiquement, ici le divergent reprsente comment va "se dformer" une fonction, puisque qu'on somme les variations dans chaque direction de l'espace
C = div K ( x, y, z).gradC s'crit t C C C C K ( x , y , z ) K ( x , y , z ) K ( x , y , z ) = + + x . x y y z t z On peut convenir que cette criture est plus lourde que la premire.
a Sans utilisation de ces symboles, la dernire quation b le laplacien peut s'crire comme la divergence du gradient. C'est ce qui apparat dans la remarque la fin du paragraphe 2.6.4 o le coefficient de diffusion K est constant. En reprenant les quations prcdentes, et en dtaillant les calculs : C C C C Soit = + K ( x , y, z ) K ( x , y, z ) K ( x , y, z ) + t x y y z z x
2.7.5. Remarques
Si K est constant : K(x,y,z) = K, on peut sortir K des drives, et le mettre en facteur : C C C C C C C = K + + = + K + z z y x x y y z z x x t y C C C C = K x + y + x = K.C t Tout cela peut s'crire plus rapidement r C = div(q) = div( K gradC) = K div gradC = K div gradC = K.C t Finalement, l'criture "divergent du gradient" est une gnralisation du laplacien, ce dernier tant un cas particulier pour l'quation de la diffusion.
FN CRES
Modlisation
21
x 2u 2u Le problme est alors d'crire le laplacien d'une fonction u : 2 + 2 en fonction des x y coordonnes (r , ). Il faut donc remplacer les drives en x et y en faisant apparatre les drives en r et . Ce calcul est fait en annexe 4, et permet d'crire le laplacien en coordonnes polaires : 2 u 1 u 1 2 u + + r 2 r r r 2 2
FN CRES
Modlisation
22
3.
EQUATIONS
AUX
DERIVEES
FN CRES
Modlisation Soit lEDP linaire gnrale 2 variables : u u 2u 2u 2u + c 2 + F( x , y, u, , ) = 0 o a, b et c sont des fonctions de x et y. a 2 +b x y y xy x u u F( x , y, u , , ) regroupe tous les termes et toutes les drives qui ne sont pas dordre 2. x y a b On considre la matrice Q = et ses valeurs propres. b c LEDP est hyperbolique si les valeurs propres sont non nulles et de signes diffrents. LEDP est parabolique si au moins une valeur propre est nulle. LEDP est elliptique si les valeurs propres sont non nulles et de mme signe.
23
Ces dfinitions sappliquent aux EDP dordre 2 plusieurs variables. La taille de la matrice Q est alors gale aux nombre de variables que l'on a dans l'quation. On va se limiter 4 variables au maximum : x, y, z, t (mais le raisonnement sapplique bien sr moins de variables comme on la fait au dessus). La matrice Q se construit en mettant sur la diagonale principale les coefficients des drives secondes dune seule variable, les autres termes tant les coefficients des drives mixtes (de 2 variables car on a des drives secondes au plus dans lquation). On peut reprsenter au dessus et gauche de la matrice les drives auxquelles chaque terme se rapporte (la matrice est entre crochets) : x y z t a1 b1 b2 b3 x b1 a2 c1 c2 y b2 c1 a3 d z b3 c2 d a4 t Cette matrice est symtrique. Par exemple, de l'quation
FN CRES
Modlisation x 1 4 0 0 y 4 2 5 0 z 0 5 0 0 t 0 0 0 3
24
x y z t
Les EDP d'ordre 2 classiques qu'on traite dans ce cours n'ont pas de drives mixtes (on traite titre d'exemple l'quation de Laplace et l'quation de la diffusion). La matrice Q est alors une matrice dite diagonale car tous les termes en dehors de la diagonale principale sont nuls. Les valeurs propres d'une telle matrice sont videntes : il s'agit des termes de la diagonale principale. 2u 2u 2u + + = 0 est elliptique car les valeurs Par exemple, lquation de Laplace x 2 y 2 z 2 propres sont non nulles et de mme signe (1, 1, 1)
2 u 2 u 2 u u Lquation de la diffusion k x 2 + y 2 + z 2 = t est parabolique car au moins une valeur propre est nulle. Les valeurs propres sont (k, k, k, 0)
Enfin, pour citer une EDP d'ordre 2 classique, prenons lquation des ondes 2u 2u 2u 2u k2 x 2 + y 2 + z 2 = t 2 qui est hyperbolique car les valeurs propres sont non nulles et de signes diffrents (k, k, k, -1)
Une EDP peut tre de type mixte, c'est--dire d'un type ou d'un autre selon le cas. Cela se produit si un des coefficients de l'quation est une fonction. 2u 2u Prenons un exemple d'une EDP a 2 variables : x 2 + y 2 = 0 . Les valeurs propres sont x y alors x et y. Selon la rgion du plan o on est, on aura un type diffrent : - Elliptique si x et y sont de mme signe et Hyperbolique diffrents de 0 (partie suprieure droite ou infrieure gauche). Hyperbolique si x et y sont de signe opposs et sont diffrents de 0 (partie suprieure gauche ou infrieure droite). Parabolique si x ou y est nul (sur les axes)
Elliptique y Elliptique Parabolique x Hyperbolique
FN CRES
Modlisation
25
FN CRES
Modlisation
26
4.
RESOLUTION NUMERIQUES
DES
EDP
PRINCIPE
DES
METHODES
On aborde partir de ce chapitre les mthodes de rsolution des EDP. Celles-ci nont gnralement pas de solutions exactes et on utilise donc des mthodes numriques. Les mthodes numriques sintressent la recherche de valeurs de la fonction en des endroits particuliers. Autrement dit, on ne cherche pas lcriture dune fonction qui vrifie lquation, mais par quelles valeurs passe la fonction en des abscisses particulires (cest la mthode des diffrences finies), ou bien on recherche sur des lments du domaine tudi lcriture dune fonction simple qui approxime au mieux la solution recherche (cest la mthode des lments finis). Une fois ce travail fait, on a donc une image graphique de la solution. Nous allons tudier successivement ces 2 mthodes. Chaque solution qu'on obtient ainsi est une solution dans un cas particulier, c'est--dire pour des valeurs de conditions limites fixes, ventuellement avec des valeurs de coefficients fixes, et avec une gomtrie particulire du domaine d'tude. Le recours aux logiciels pour rsoudre les EDP est donc indispensable, d'une part parce qu'il y beaucoup de calculs faire, et d'autre part pour pouvoir rapidement obtenir un rsultat en changeant soit le domaine, soit les conditions limites et initiales. Gnralement, un logiciel rsout une EDP, voire ses variantes.
FN CRES
Modlisation
27
5.
Pas du maillage
Frontire
Frontire
Maillage Noeuds
La mthode des diffrences finies recherche une solution aux nuds du maillage. b On discrtise galement lEDP, cest--dire quon va crire en chaque nud une approximation algbrique de lquation dorigine. c On crit autant dquations algbriques quil y a de nuds o on cherche une solution, ce qui conduit crire un systme dquations d on rsout ce systme dquations Nous traiterons diffrents exemples simples illustratifs de cette mthode.
FN CRES
Modlisation
28
5.2. Cas dune EDP elliptique (stationnaire) 5.2.1. Cas de conditions de Dirichlet
On considre un domaine carr, donc 2 dimensions despace (problme 2D), o on veut rsoudre le problme suivant : 2u 2u + =0 x 2 y 2 (quation de Laplace) Les conditions limites sont de type Dirichlet, telles que dcrites sur le schma ci-contre, g1 et g2 tant 2 constantes quelconques.
y u = g2
u=0
2u 2u + =0 x 2 y 2
u = g1
u=0
a Discrtisation du domaine dtude Le domaine dtude comprend le domaine interne, not , et la frontire, note . On va crer un maillage relativement lche (afin de limiter ensuite les critures ; mais lextension plus de nuds ne pose aucun problme) et rgulier.
Ce maillage introduit en tout 25 nuds, dont 9 nuds internes et 16 nuds frontires. Cependant, les nuds frontires ne constituent pas des valeurs rechercher, puisque la valeur de la fonction y est connue (conditions de Dirichlet).
u = g2
7 u=0 4 1
8 5 2 u=0
9 6 3 x u = g1
Seuls les nuds ici numrots de 1 9 constituent donc les inconnues de notre problme, sachant que bien sr, les conditions limites doivent intervenir dans la solution. Le maillage tant rgulier, on pose x = y = h
Rappelons que la mthode des diffrences finies permet de trouver une valeur approche de la 2u 2u solution aux 9 nuds, solution qui vrifie lquation + =0 x 2 y 2
b Discrtisation de lquation Cette tape consiste remplacer lEDP par une quation algbrique approche. Plusieurs approches sont possibles.
FN CRES
Modlisation
29
Approche graphique (plus pdagogique) On a dj vu quon pouvait remplacer une drive par une quation. Considrons la courbe ciu dessous et sa drive au point d'abscisse x. Cette drive correspond la tangente la x courbe au point d'abscisse x. On note x = xi , x + x = xi + 1 et x - x = xi - 1 u(x) = ui , u(x + x) = ui + 1 et u(x - x) = ui - 1 On peut approximer cette tangente par la pente de la corde entre les points (xi ,ui) et (xi+1 ,ui+1).
u i +1 u i ; x et plus
u ui +1
Approximation de la tangente
ui ui -1 x x xi -1 xi xi +1
tangente x
plus x est petit, l'approximation est valide. u ui Autrement dit, le terme i +1 est x une approximation de la drive
u premire l'abscisse xi quand x 0. x i u u i +1 u i est dite avant, ou droite, ou x x progressive, ou aval, car elle fait intervenir ui+1 labscisse xi+1.
u De la mme faon, on peut approximer la drive premire l'abscisse xi par la pente x i u u i 1 u quand x 0. de la corde entre les points (xi ,ui) et (xi-1 ,ui-1) : i x x i
u u i u i 1 est dite arrire, ou gauche, ou x x rgressive, ou amont, car elle fait intervenir ui-1 labscisse xi-1.
On peut galement approximer la drive premire par la pente de la corde entre les abscisses u u i +1 u i 1 xi-1 et xi+1. On a alors x 2x u u i +1 u i 1 Cette discrtisation de la drive premire est dite centre. x 2x On peut maintenant avoir une approximation de la drive seconde en xi , en drivant 2 fois par rapport x, et en appliquant une fois une discrtisation avant, puis une discrtisation arrire :
FN CRES
Modlisation
30
2u u i +1 u i u i u i 1 u i 1 2u i + u i +1 u u i +1 u i u u = x x x x = x x x x = x 2 x 2 = x 2 x 2 i i +1 i i
Approche analytique (plus rigoureuse) On peut arriver au mme rsultat en utilisant le dveloppement de Taylor (ou en srie limite) dune fonction au voisinage dun point. Ce dveloppement permet de calculer la valeur de u ( x + x ) connaissant u ( x ) et les drives successives de u par rapport x. Le lecteur qui n'en est pas convaincu peut se reporter l'annexe 3 "Dveloppement de Taylor".
ou encore
u ( x ) x 2 2 u ( x ) x 3 + + x 2! x 2 3! 2 2 u ( x ) x u ( x ) x 3 u ( x x ) = u ( x ) x + x 2! x 2 3! u ( x + x ) = u ( x ) + x
3u ( x ) x 4 4 u ( x ) + + ... x 3 4! x 4 3 u ( x ) x 4 4 u ( x ) + + ... x 3 4! x 4
Remarque : on a mis ici des "" alors qu'on devrait mettre des "d". En fait u peut tre fonction de plusieurs variables et on a crit ici que la variable x pour allger l'criture. Remarque : les 3 points de suspension la fin des expressions prcdentes reprsentent une quantit que l'on nglige dans l'galit quand x tend vers zro. C'est--dire que ce terme tend plus rapidement vers zro que le dernier terme de la srie crit. Cette quantit nglige est crite sous forme d'une fonction o(xn) [il s'agit de la lettre o et non pas d'un zro] o n est alors appel "ordre de dveloppement". o(xn) se lit alors comme un "terme de l'ordre de xn". u ( x ) x 2 2 u ( x ) x 3 3 u ( x ) x 4 4 u ( x ) + + + Ex : u ( x + x ) = u ( x ) + x + o(x 5 ) 2 3 4 x 2! x 3! x 4! x Plus l'ordre du terme nglig est lev, et plus l'galit crite est "vrai", c'est--dire que plus le terme nglig est petit; donc mieux c'est !
En crivant ces dveloppements lordre 1 : u ( x ) u ( x + x ) = u ( x ) + x + o(x 2 ) x u ( x ) u ( x + x ) u ( x ) soit = + o(x ) ; cest le schma de discrtisation avant. x x u ( x ) + o(x 2 ) x u ( x ) u ( x ) u ( x x ) = + o(x ) ; cest le schma de discrtisation arrire. x x
u ( x x ) = u ( x ) x soit
FN CRES
Modlisation
31
en faisant la diffrence de ces 2 expressions : u ( x ) u ( x + x ) u ( x x ) = 2x + o(x 3 ) x u ( x ) u ( x + x ) u ( x x ) soit + o(x 2 ) ; schma de discrtisation centr = 2x x
Remarque : le schma centr est meilleur que les 2 autres, puisque avec une erreur en o(x) alors que les schmas avant et arrire ont une erreur en o(x).Ceci se visualise aisment par la mthode graphique reprise ci-dessous. On "voit" que quand x tend vers zro, l'approximation de la tangente en schma centr tend plus rapidement vers la bonne tangente qu'en schma dcentr.
u ui +1 ui x Approximation de la tangente u ui +1 ui ui -1 x xi +1 x x xi -1 xi xi +1 Approximation de la tangente
tangente xi
tangente x
Pour la drive seconde : u ( x ) x 2 2 u ( x ) x 3 3 u ( x ) + + u ( x + x ) = u ( x ) + x + o(x 4 ) 2 3 x 2! x 3! x 2 2 u ( x ) x u ( x ) x 3 3 u ( x ) + u ( x x ) = u ( x ) x + o(x 4 ) 2 3 x 2! x 3! x en faisant la somme de ces 2 expressions : u ( x + x ) + u ( x x ) = 2u ( x ) + x 2 soit 2 u(x) + o(x 4 ) x 2 2 u ( x ) u ( x + x ) 2u ( x ) + u ( x x ) = + o(x 2 ) ; schma centr 2 2 x x
32 , u(x x , y y) = ui 1
,j1
Par ailleurs, nous rappelons que le maillage est rgulier : x = y = h 2 u u i 1, j 2u i , j + u i +1, j = + o( h 2 ) 2 2 x h 2 u u i , j1 2u i , j + u i , j+1 = + o( h 2 ) y 2 h2 En sommant ces 2 expressions 2 u 2 u u i 1, j 2u i , j + u i +1, j u i , j1 2u i , j + u i , j+1 + 2 = + + o(h 2 ) 2 2 2 x y h h 2 2 u u u i 1, j + u i , j1 4u i , j + u i +1, j + u i , j+1 + 2 = + o( h 2 ) 2 2 x y h Comme l'quation rsoudre est 2u 2u + =0 x 2 y 2 u i 1, j + u i , j1 4u i , j + u i +1, j + u i , j+1 = 0 en ngligeant lcriture de o(h) h2 soit u i 1, j + u i , j1 4u i , j + u i +1, j + u i , j+1 = 0 Cette expression constitue donc une approximation de lEDP crite au nud ui,j . Cest une relation entre 5 nuds qui approxime lEDP crite au nud ui,j. Calque sur le maillage, on lcrit sous forme graphique comme ci-dessous droite o on reprsente les coefficients de chacun des nuds :
Ui,j+1 Ui-1,j Ui,j Ui,j-1 Ui+1,j
1 1 -4 1 1
c Ecriture du systme dquations On va maintenant crire lquation discrtise en chacun des nuds inconnus, ce qui va conduire un systme de 9 quations 9 inconnues. Pour cela, on reprend la numrotation des 9 nuds de 1 9 ; en effet, cela est moins laborieux que de travailler en double coordonnes (i,j).
FN CRES
Modlisation
u = g2
33 nud 1 : 4u 1 + u 2 + u 4 = 0 les nuds gauche et en bas correspondent aux conditions de Dirichlet nulles nud 2 : u 1 4u 2 + u 3 + u 5 = 0 nud 3 : u 2 4u 3 + g 1 + u 6 = 0 u = g1 le nud droite correspond la condition de Dirichlet gale g1 nud 4 : u 1 4u 4 + u 5 + u 7 = 0 nud 5 : u 4 + u 2 4u 5 + u 6 + u 8 = 0 nud 6 : u 5 + u 3 4u 6 + g 1 + u 9 = 0 nud 7 : u 4 4u 7 + u 8 + g 2 = 0 x nud 8 : u 7 + u 5 4u 8 + u 9 + g 2 = 0 nud 9 : u 8 + u 6 4u 9 + g 1 + g 2 = 0
7 u=0 4 1
8 5 2 u=0
9 6 3
On reprsente gnralement ce systme dquations sous forme matricielle, ce qui permet de bien choisir ensuite la mthode de rsolution qui sera adopte (voir l'annexe 1 sur la construction d'un systme matriciel partir d'un systme d'quations pour les personnes qui ne savent pas le faire). Ici, la premire ligne sert bien reprer les colonnes, sachant que labsence dune valeur dans la matrice carre correspond zro.
u1 u2 u3 u4 u5 u6 u7 u8 u9
1 u1 0 4 1 u 0 1 4 1 1 2 u 3 g1 1 4 1 1 4 1 u 4 0 1 u 5 = 0 1 1 4 1 1 1 1 4 1 u 6 g1 u g 1 4 1 2 7 1 1 4 1 u 8 g 2 1 1 4 u 9 g1 g 2
d Rsolution du systme dquations Nous renvoyons le lecteur aux mthodes numriques de rsolution dun tel systme (dernier chapitre). Nous lavons rsolu avec Excel dans lapplication numrique suivante : le carr fait 1 mtre de cot (donc h=0.25m) et avec g1 = 1 , g2 = 2.
FN CRES
Modlisation
y 0.93 u=0 0.47 0.21 u=2
34
u=0
Aux 4 coins, nous avons pris une valeur moyenne entre les conditions de Dirichlet concernes. L'image de droite est obtenue sous Excel et montre la forme de la surface qui vrifie l'quation de Laplace avec les conditions limites indiques. Un maillage plus fin permettrait dobtenir une meilleure prcision (mais avec plus dquations rsoudre et au dtriment de lapproche pdagogique).
Les conditions limites sont de type Dirichlet droite et gauche, telles que dcrites sur le schma ci-contre, et de type Neumann homogne (c'est--dire nulle) en haut et en bas.
u = g1
2u 2u =0 + x 2 y 2
u = g2
u =0 y
a Discrtisation du domaine dtude
FN CRES
Modlisation
u =0 7 y 8
35
Afin de limiter le nombre dquations crire, on adopte le maillage suivant du dessin de droite. Les nuds inconnus y sont numrots de 1 8. Sil ny a pas de problme pour les nuds internes 3 6, on peut lgitimement sinterroger sur les nuds frontires 1, 2 et 7, 8. En effet, la valeur de la drive est connue en ces nuds, mais en aucun cas la valeur de la fonction. Ce sont donc bien des nuds inconnus.
5 u = g1 3
6 u = g2 4
2 u =0 y
b Discrtisation de lquation On a exactement la mme quation que prcdemment ; elle peut tre approxime par lexpression u i 1, j + u i , j1 4u i , j + u i +1, j + u i , j+1 = 0 crite au nud inconnu ui,j
Ceci introduit une difficult aux nuds frontires puisque cette discrtisation de lquation introduit chaque fois un nud en dehors du domaine dtude, quon appelle nud fictif .
Frontire infrieure
Pour liminer les nuds fictifs de la discrtisation, il suffit de prendre en compte la condition de flux sur la frontire en question. Prenons l'exemple du nud n1 et nommons le nud fictif 3'. La discrtisation de l'quation au nud 1 donne : g1 + u 3 ' 4 u 1 + u 2 + u 3 = 0 La discrtisation centre de la condition de flux au nud 1 s'crit : u u 3 u 3' = 0 ce qui implique que u3' = u3 y 2h
On remplace u3' dans la discrtisation de l'quation g 1 + u 3 4u 1 + u 2 + u 3 = 0 soit g 1 4u 1 + u 2 + 2u 3 = 0 Ceci qui permet d'liminer le nud fictif de l'quation crite au nud 1. FN CRES
Modlisation Remarquons que cette discrtisation vrifie simultanment l'quation et la condition limite. On obtient donc 3 formes diffrentes de discrtisation selon la position du nud : Nuds de la frontire suprieure Nuds internes
1
36
-4 2
-4 1
5 u = g1 3
6 u = g2 4
g 1 4u 1 + u 2 + 2u 3 = 0 u 1 4u 2 + g 2 + 2 u 4 = 0 g 1 + u 1 4u 3 + u 4 + u 5 = 0 u 3 + u 2 4u 4 + g 2 + u 6 = 0 g 1 + u 3 4u 5 + u 6 + u 7 = 0 u 5 + u 4 4u 6 + g 2 + u 8 = 0 g 1 + 2u 5 4u 7 + u 8 = 0 u 7 + 2u 6 4 u 8 + g 2 = 0
2 u =0 y
u6
u7
u8 u 1 g1 u g 2 2 u 3 g1 u 4 = g 2 u 5 g1 u 6 g 2 u g 7 1 g 2 u 8
2 4 1 1 4 2 1 4 1 1 1 1 4 1 4 1 1 1 1 1 4 1 4 1 2 2 1 4
FN CRES
Modlisation
37
En prenant g1 = 1 et g2 = 2 dans un domaine carr de 1 mtre de ct, nous obtenons l'image suivante de la solution :
y 1.33 1.67
1.33
1.67
La solution dans cet exemple est un plan entre les valeurs 1 et 2 selon Ox. Ce qui vrifie parfaitement l'quation rsoudre (toutes les drives secondes sont nulles, donc leur somme est nulle) et les drives premires en (y) sont nulles.
5 u = g1 3
6 u = g2 4
u = f2 y
b Discrtisation de lquation
FN CRES
Modlisation
38
On a exactement la mme quation que prcdemment ; elle peut tre approxime par lexpression u i 1, j + u i , j1 4u i , j + u i +1, j + u i , j+1 = 0 crite au nud inconnu ui,j Comme auparavant, des nuds fictifs apparaissent; on discrtise donc la condition de flux. Prenons l'exemple du nud n1 et nommons le nud fictif 3'. La discrtisation de l'quation au nud 1 donne : g1 + u 3 ' 4 u 1 + u 2 + u 3 = 0 La discrtisation centre de la condition de flux au nud 1 s'crit : u u 3 u 3' = f 2 ce qui implique que u 3' = u 3 2hf 2 y 2h
On remplace u3' dans la discrtisation de l'quation g1 + u 3 2hf 2 4u1 + u 2 + u 3 = 0 soit g1 2hf 2 4u1 + u 2 + 2u 3 = 0
5 u = g1 3
6 u = g2 4
2 u = f2 y
2 4 1 1 4 2 1 4 1 1 1 1 4 1 4 1 1 1 1 1 4 1 4 1 2 2 1 4
FN CRES
Modlisation
39
L(u) = g
On peut tudier les erreurs au niveau des diffrentes tapes de ce schma (de A. Le Pouriet) a) La discrtisation est lie la notion de consistance (ou de cohrence). Un schma de discrtisation consistant est un schma qui reprsente bien lquation dorigine. b) La rsolution des quations obtenues est lie la notion de stabilit de la solution. Une solution u stable doit vrifier le problme L(u) = g c) La reprsentativit de u est lie la notion de convergence. u doit tre une approximation convenable de u. d)
FN CRES
Modlisation
Discrtisation Consistance Rsolution Stabilit u Reprsentativit Convergence u
40
L(u)
L(u)
5.3.2. La consistance
On appelle erreur de troncature la quantit R(u) = L(u) L(u) cest--dire concrtement la diffrence entre le schma discrtis et lquation dorigine. On va voir qu'on peut calculer cette quantit : c'est la magie des mathmatiques !
L(u) est dit consistant si R(u) 0 quand 0
Il faut bien comprendre que si cette condition n'est pas vrifie, alors toute la discrtisation s'effondre. On a vu au dbut du cours (tablissement d'une quation mcaniste) qu'on u ui manipulait en fait des discrtisations, par exemple i +1 et on a dit (et vu graphiquement) x u u u i +1 u i que cette quantit tend quand x 0, donc que la diffrence 0 quand x x x x 0. Et effectivement, dans ce cas, c'est vrai. Mais si cela n'tait pas le cas, cela voudrait dire qu'on remplace un lment par un autre qui ne lui est pas quivalent ! 2u 2u + et tudions la consistance. x 2 y 2 Loprateur diffrentiel "drive seconde par rapport une variable w" peut se symboliser 2 par L w = et lquation peut alors se reprsenter par : w 2 2u 2u L( u ) = L X ( u ) + L Y ( u ) = 2 + 2 y x Reprenons lexemple prcdent en posant L(u) = Le dveloppement de Taylor au voisinage de x scrit : u x 2 2 u x 3 3 u x 4 4 u x 5 5 u u ( x x, y) = u ( x, y) x + + + o(x 6 ) 2 3 4 5 x 2! x 3! x 4! x 5! x On en dduit : 2 u x 4 4 u u ( x + x, y) + u ( x x, y) = 2u ( x, y) + x 2 2 + + o(x 6 ) 4 x 12 x 2 u ( x + x, y) 2u ( x, y) + u ( x x, y) u x 2 4 u = + o(x 6 ) 2 2 4 x x 12 x L x (u ) L x (u ) = R x (u ) 1444444 4 2444444 4 3 1 2 3 144 244 3 FN CRES
Modlisation
41
De la mme faon, le dveloppement de Taylor au voisinage de y scrit : u y 2 2 u y 3 3u y 4 4 u y 5 5 u u ( x , y y) = u ( x , y) y + + + o(y 6 ) 2 3 4 5 y 2! y 3! y 4! y 5! y On aboutit : u ( x , y + y) 2u ( x , y) + u ( x , y y) 2 u y 2 4 u = + o(y 6 ) 2 2 4 y y 12 y L y (u ) L y (u ) = R y (u ) 1444444 4 2444444 4 3 1 2 3 144 244 3 On peut sommer les 2 expressions du dessus : L x (u ) + L y (u ) L x (u ) L y (u ) = L (u ) L(u ) = R x (u ) + R y (u ) = R (u )
x 2 4 u y 2 4 u + + o(x 6 ) + o(y 6 ) 4 4 12 x 12 y Cette quantit tend vers 0 quand x et y tendent vers 0. Le schma de discrtisation est donc consistant.
Toutes les discrtisations, dites classiques, utilises jusqu' maintenant sont consistantes.
5.3.3. La stabilit
Cette notion concerne les rsolutions des systmes dquations pour lesquels on est souvent amen mettre en uvre des algorithmes itratifs. La stabilit peut se rsumer dire quune erreur darrondi (ou une perturbation numrique) ne doit pas samplifier au cours des calculs. On peut imager cette notion de stabilit avec une bille et un bol. On retourne le bol et on pose la bille en quilibre. La moindre perturbation de la bille va entraner sa chute. Cest un systme instable (la perturbation samplifie) A contrario, on met le bol lendroit et la bille au fond. Une perturbation de la bille va entraner une oscillation de celle-ci au fond du bol, mais elle va revenir un tat dquilibre. Cest un systme stable. Ltude mathmatique de la stabilit est assez complexe et elle n'est pas dveloppe ici. Un exemple de rsolution est propos dans les exercices illustrant l'instabilit d'un schma numrique.
5.3.4. La convergence
Le thorme de Lax dit que s'il y a consistance et stabilit, alors il y a convergence. Autrement dit, un schma de discrtisation consistant et une mthode de rsolution stable conduisent une solution qui est une bonne image de la solution recherche. Dans la mthode des diffrences finies, les discrtisations vues jusqu' maintenant sont consistantes, comme cela a dj t dit. Aussi, on s'attachera prciser uniquement les conditions de stabilit pour vrifier la convergence.
FN CRES
Modlisation
42
5.4. Cas dune EDP parabolique 1D (volutive) 5.4.1. Position du problme et mthode
Nous allons tudier lexemple de lquation de la diffusion 1D : La diffrence fondamentale par rapport au problme prcdent est lintroduction du temps dans lquation. Supposons quon travaille entre 0 et L en Ox, on obtient un domaine non born en temps si on cherche dessiner le domaine o on doit rsoudre lquation.
t
u 2u =a 2 t x
x 0 L
t0
En effet, on commence tudier le phnomne t = t0 , mais il ny a pas de frontire pour t > 0 (en tous cas, on ne peut pas crire de condition limite un temps t1 > t0 car cela na pas de sens physique : cela voudrait dire que quelque chose qui se passe dans lavenir influence quelque chose qui se situe dans le pass cest de la science fiction ! ) Dans un tel cas, le principe de la mthode consiste, connaissant la solution un pas de temps ti calculer la solution au pas de temps ti+1 , puis connaissant cette solution ti+1, on calcule celle ti+2 et ainsi de suite jusquau moment o on dcide darrter les calculs. On procde donc pas de temps par pas de temps, la premire itration se faisant partir de la condition initiale ( t0).
t ti+2 ti+1 ti t0 0 L Calcul de la solution ti+2 Calcul de la solution ti+1 x
FN CRES
Modlisation
43
En crivant cette quation aux n nuds inconnus du temps t + t, on obtient ce qui se passe cet instant de faon simple (n quations, chacune 1 inconnue). On parle dun schma explicite car on peut connatre la solution en 1 nud t + t indpendamment des autres nuds t + t. La condition initiale fournira la premire ligne ( t = t0) pour pouvoir dmarrer les calculs. Cas 2 2 u u ( x x, t + t ) 2u ( x, t + t ) + u ( x + x, t + t ) = (il ny a aucun problme crire la x 2 x 2 discrtisation de la drive en espace linstant t + t)
FN CRES
Modlisation
t
44
u u ( x, t + t ) u ( x, t ) = t t La somme de ces 2 termes de lEDP partir de ces 2 discrtisations introduit une quation qui relie toujours 4 nuds du maillage. Cette quation ne permet pas de calculer directement comme prcdemment ce qui se passe linstant t + t en fonction de linstant t puisquelle relie 3 nuds inconnues.
Il faut donc crire le systme de n quations, chacune 3 inconnues, et le rsoudre, ce qui est plus complexe que le schma explicite. On parle ici dun schma implicite dans la mesure o la solution nest connue qu travers ce systme dquations (on ne peut pas calculer la solution en 1 nud sans connatre toute la solution au temps t + t). La condition initiale fournira la premire ligne ( t = t0) pour pouvoir dmarrer les calculs. Cas 3 2 u u ( x x, t ) 2u ( x, t ) + u ( x + x, t ) = x 2 x 2 u u ( x, t + t ) u ( x, t t ) = t 2t La somme de ces 2 termes de lEDP partir de ces 2 discrtisations introduit une quation qui relie 5 nuds du maillage. Cette quation permet de calculer ce qui se passe linstant t + t en fonction de linstant t et t - t de faon explicite.
t t+t t t-t t0 0 x-x x x+x L Schma explicite 2 pas x
On parle dun schma explicite 2 pas. Cependant, elle ncessite de connatre 2 pas de temps successifs pour dmarrer les calculs, or seul un pas de temps est connu avec la condition initiale. Il faut donc faire une hypothse sur le premier pas de temps t1, ou bien dmarrer les calculs par un des deux schmas prcdents pour connatre les instants t0 et t1. Nous allons maintenant dtailler ces 3 schmas.
FN CRES
Modlisation soit en mettant les termes inconnus gauche et les termes connus droite t u ( x, t + t ) = u ( x , t ) + a 2 (u ( x x, t ) 2u ( x, t ) + u ( x + x, t ) ) x t en posant r=a 2 x u ( x , t + t ) = u ( x , t ) + r (u ( x x , t ) 2u ( x , t ) + u ( x + x , t ) ) On peut aussi crire cette quation sous la forme u ( x, t + t ) + (1 + 2r )u ( x, t ) ru ( x x, t ) ru ( x + x, t ) = 0 Calqu sur la discrtisation du domaine, on obtient limage de lquation t
1 t+t t t0 0 x-x x x+x L x -r -1+2r -r
45
Schma explicite Ce schma est extrmement simple mettre en uvre. Mais on montre quil est 1 1 t conditionnellement stable, savoir il faut respecter r soit a 2 . On a donc 2 2 x une contrainte sur le choix des pas de temps et despace qui se traduit gnralement par des pas de temps trs petits une fois le pas d'espace choisi. On montre que pour r =1/6, qui vrifie la condition de stabilit de ce schma, l'erreur de troncature est minimalise.
FN CRES
46
-r
1+2r
-r
-1
Schma implicite Il faut donc crire cette quation en chaque nud inconnu. On a rsoudre ensuite ce systme dquations. Supposons que la dimension despace entre 0 et L soit divise en N nuds. Par ailleurs, les nuds marqus dun carr noir sont connus : - la condition initiale t = 0 - les conditions limites x = 0 et x = L (conditions de Dirichlet) t
u = g1 3t 2t t 0 0 1 2 3 i-1 i i+1 N-2 N-1 N x u = g2
On crit donc les quations sur une ligne quelconque au temps (n + 1) en fonction de la ligne du dessous au temps (n) et en mettant les termes inconnus gauche et les termes connus droite. On notera le nud labscisse (i) et au pas de temps (nt) : u in nud 0 : ce nud est connu, on ncrit donc pas dquation (il est intgr dans lquation suivante) n +1 n +1 +1 n t +1 nud 1 : ru 0 + (1 + 2r )u1 ru n = u1 or u 0 = g1 do 2
n +1 n +1 (1 + 2r )u1 ru n = u1 + rg1 2 n +1 n +1 n +1 nud 2 : ru1 + (1 + 2r )u 2 ru 3 = un 2
+1 n +1 n +1 n +1 or u n do nud N-1 : ru n N = g2 N 2 + (1 + 2r ) u N 1 ru N = u N 1
n +1 n +1 (1 + 2r )u n N 1 ru N 2 = u N 1 + rg 2
FN CRES
Modlisation
47
nud N : ce nud est connu, on ncrit donc pas dquation (il est intgr dans lquation prcdente) On peut mettre ces quations sous forme matricielle. n +1 n +1 +1 u1 un u3 u in +1 2
1 + 2r r r 1 + 2r r r 1 + 2r
+1 un N2 +1 un N 1
r ... r
... 1 + 2r ...
r 1 + 2r
Nous avons un systme tri diagonal qui peut se rsoudre par lalgorithme du double balayage (voir le dernier chapitre). On montre que le schma implicite est inconditionnellement stable, quelque soit la valeur de r, donc des pas despace et de temps.
2u 2u = x 2 x 2 i i
n +1
2u + (1 ) avec 0 1 x 2 i
L'EDP que l'on cherche rsoudre se discrtise comme ci-dessous : u in+11 2u in +1 + u in++11 u in +1 u in u in1 2u in + u in+1 ( 1 ) = a + t x 2 x 2
FN CRES
48
Schma pondr L'tude de la stabilit de ce schma pondr montre que : 1 1 Pour 0 < , ce schma est stable condition d'avoir r 2 2(1 2) 1 Pour 1, ce schma est toujours stable 2 On peut retrouver les cas prcdents selon la valeur de : = 0 : on retrouve le schma explicite prcdent. = 1 : on retrouve le schma implicite prcdent; on parle de schma implicite pur car il n'y a qu'un seul nud au temps t. Enfin, la valeur de = 1 est particulire; elle conduit au schma appel Crank-Nicholson qui 2 est stable sans condition, et dont l'erreur de troncature est la plus faible possible parmi toutes les valeurs de possibles. t
-r / 2 1+ r -r / 2
-r / 2
-1 + r
-r / 2
FN CRES
Modlisation
49
n n n 2 u u i 1, j 2u i , j + u i +1, j ; = x 2 x 2
n n n 2 u u i , j1 2u i , j + u i , j+1 = y 2 y 2
n +1 n +1 n +1 2 u u i 1, j 2u i , j + u i +1, j = ; x 2 x 2
n +1 n +1 n +1 2 u u i , j1 2u i , j + u i , j+1 = y 2 y 2
Schma pondr u u in +1 u in = ; t t 1 n +1 u in+11, j 2u in,+ u in1, j 2u in, j + u in+1, j 2u j + u i +1, j = + (1 ) x 2 x 2 x 2 1 n +1 n +1 u in, j1 2u in, j + u in, j+1 u in,+ 2u j1 2u i , j + u i , j+1 ( 1 ) + = y 2 y 2 y 2 Les nuds concerns par chaque schma sont indiqus ci-dessous.
avec 0 1 avec 0 1
FN CRES
Modlisation
Schma explicite Schma implicite pur Schma Pondr
50
t+t
t (1 - ) y
En posant rx = a
t t et ry = a 2 2 x y 1 1 Pour 0 < , ce schma est stable condition d'avoir rx + ry 2 2(1 2) 1 Pour 1, ce schma est toujours stable 2 Par ailleurs : = 0 : on retrouve le schma explicite. = 1 : on retrouve le schma implicite pur. 1 = : c'est le schma de Crank-Nicholson. 2
FN CRES
Modlisation
51
Et ainsi de suite en alternant les 2 schmas prcdents, sachant qu'on a 2 "numrotations" diffrentes des nuds pour conduire dans chaque cas un systme tridiagonal.
t+2t
t+t
u u +c = 0 . Il s'agit t x d'une EDP d'ordre 1, alors que l'quation de la diffusion prcdemment traite tait d'ordre 2. Cette quation correspond par exemple un transport de contaminant en rivire sans diffusion o c est la vitesse de l'eau et peut s'tablir facilement en tablissant un bilan de polluant comme au dbut de ce cours. Nous allons prendre comme exemple l'quation dite de convection
FN CRES
Modlisation
t 1 t+t t t0 0 x-x x x+x L x -r r-1
52
Schma explicite dcentr amont Ce schma est stable si c > 0 et r 1, instable si c < 0 u u in+1 u in = x x u in +1 u in u n u in + c i +1 =0 t x
t , nous avons u in +1 u in + r (u in+1 u in ) = 0 . x Le schma obtenu est nomm explicite dcentr aval
t
Schma explicite dcentr aval Ce schma est stable si c < 0 et r 1, instable si C > 0 u u in+1 u in1 = x 2x
u in +1 u in u n u in1 + c i +1 =0 t 2x t r , nous avons u in +1 u in + (u in+1 u in1 ) = 0 . En posant r = c x 2 Le schma obtenu est nomm explicite centr Ce qui conduit l'quation discrtise
FN CRES
Modlisation
t
53
1
t+t t t0 0 x-x x x+x L x
-r/2
-1
r/2
-1
Schma implicite dcentr amont Ce schma est stable si c > 0 , instable si c < 0 u u in++11 u in +1 = x x
u in +1 u in u in++11 u in +1 Ce qui conduit l'quation discrtise +c =0 t x t , nous avons u in +1 u in + r (u in++11 u in +1 ) = 0 . En posant r = c x Le schma obtenu est nomm implicite dcentr aval FN CRES
Modlisation
54
t 1-r -1 r
Schma implicite dcentr aval Ce schma est stable si c < 0, instable si c > 0 u u in++11 u in+11 = x 2x
u in +1 u in u in++11 u in++11 Ce qui conduit l'quation discrtise +c =0 t 2x t r , nous avons u in +1 u in + u in++11 u in+11 = 0 . En posant r = c x 2 Le schma obtenu est nomm implicite centr
r 2
1 -1
r 2
FN CRES
Modlisation
u(x-h1) u1 h1 u(x) h2 u(x+h2)
55
Remarque : si h 1 = h 2 = h, alors
u u 2 u 1 = + ... x 2h
FN CRES
Modlisation
56
Remarque : si h 1 = h 2 = h, alors
2 2 2 2 x y
1 y 2
x 2
On aboutit donc des expressions un peu plus complique, mais ne prsentant pas de difficults particulires.
FN CRES
Modlisation
U4 h1 U1 U0 h3 U3 h4 h2 U2
Soit
2u 2u 2 u1 u 2 2 u3 u4 1 1 u 0 + ... + 2 = + 2 + + + 2 x y h 1 + h 2 h 1 h 2 h 3 + h 4 h 3 h 4 h 1h 2 h 3 h 4
u u 2 u 1 2u = = x y y x y 2x 1 u u 2u = x y 2x y 2 y 1
2u 1 u6 u8 u5 u7 = x y 2x 2y 2y
2u 1 (u 6 u 8 u 5 + u 7 ) . Toutes les discrtisations des drives premires = Soit x y 4xy 2u utilises tant l'ordre 2, cette discrtisation de est l'ordre 2. x y Pour obtenir la discrtisation en maillage irrgulier, il faut reprendre la discrtisation de la drive premire vue au dbut de ces cas particuliers (et c'est assez long crire).
FN CRES
Modlisation
q est un vecteur de coordonnes
58
(q
(quantit de matire par unit de temps et de surface) dans chaque direction x, y et z. On a : C C C ; q y = K ( x, y, z) et q z = K ( x, y, z) q x = K ( x, y, z) x y z soit q = K ( x , y, z).gradC q y q z r r r q div(q ) est la somme des drives partielles de q , soit div(q) = x + + x y z Remarque : l'quation rsoudre en diffrences finies est finalement : C C C C = K ( x , y, z ) + K ( x , y, z ) K ( x , y, z ) + t x y y z z x K(x, y, z) ne peut pas tre mis en facteur car tant une fonction de (x, y ,z), on ne peut pas le sortir des termes diffrentiels On va crire les discrtisations en 2D, ceci facilitant les reprsentations graphiques et l'extrapolation en 3D ne posant pas de problme et un schma implicite, sachant que le schma explicite, voire pondr se construit de la mme faon que celle vue prcdemment. Enfin, on considre un pas de discrtisation rgulier en x et en y afin d'allger les critures. Adoptons les symbolismes suivants bass sur les points cardinaux et parfois utiliss en 2D :
CN KN0 q N qW CW KW0 C0 KS0 qS CS qE KE0 CE
Le nud central est nomm C0 et les autres Nord, Est, Ouest et Sud. On nomme les flux entre chaque nud comme sur le graphique. Cette notation vite l'criture des doubles indices (i,j). Enfin, K tant variant en chaque point, on va nomme un coefficient moyen sur chacune des branches o on a un flux, par exemple KW0 pour le coefficient moyen entre CW et C0. On verra plus loin comment estimer ce coefficient moyen.
Justifions dj de considrer un coefficient moyen. Le flux tant entre 2 nuds, le coefficient de diffusion K varie donc tout au long du parcours de ce flux. La discrtisation imposant de travailler sur des nuds (domaine discret), on pourrait prendre soit le coefficient sur un des 2 nuds, soit un coefficient moyen. Il est vident qu'une moyenne est plus raliste. La discrtisation du terme
n +1 n C0 C C C 0 ne pose pas de problme particulier : = . t t t
On commence par discrtiser le flux : q y r q q W q N qS q = E div(q ) = x y x x y Tout se passe comme si le "point d'application" des flux se situait au centre de chaque branche, la distance entre 2 points d'application tant alors x ou y. FN CRES
Modlisation
59
On remplace dans la discrtisation du divergent : n +1 n +1 n +1 +1 +1 r C n +1 C n +1 C n +1 C n Cn C0 CS W N C0 div(q ) = K E 0 E 2 0 K W 0 0 + K K N0 S0 x 2 y 2 y 2 x r K K 0 K S0 +1 K E 0 +1 K W 0 +1 K N 0 n +1 K S0 n +1 K E 0 div(q) = C n + Cn + CS + Cn C0 + W20 + N2 + 2 N W E 2 2 2 2 y y 2 x x x y y x Comme l'quation est
r C = div(q) , il vient : t n +1 n C0 C0 K K 0 K S0 +1 K E 0 +1 K W 0 +1 K N 0 n +1 K S0 n +1 K E 0 + Cn + CS = Cn + Cn C0 + W20 + N2 + 2 N W E 2 2 2 2 y y 2 t x x x y y x
n C0 K K 0 K S0 1 +1 K E 0 +1 K W 0 +1 K N 0 n +1 K E 0 n +1 K S0 + Cn + CS = Cn + Cn C0 + W20 + N2 + 2+ E W N 2 2 2 2 y y 2 t x x x y y t x
Ce qui nous donne un schma de discrtisation implicite 6 points. Cette quation discrtise s'crit un peu plus simplement si on prend x = y = h 2 1 n +1 n +1 n +1 n +1 +1 n h C0 = Cn + C N K N 0 + CS K S 0 E K E 0 + C W K W 0 C 0 K E 0 + K W 0 + K N 0 + K S0 + t t Reste calculer les coefficients de diffusion moyens, par exemple KE0. K + K0 La moyenne la plus "naturelle" est la moyenne arithmtique K E 0 = E ou KE et K0 sont 2 les coefficients de diffusion au nud UE et U0. Mais cette moyenne n'est pas reprsentative du phnomne, et on peut le montrer. Supposons qu'un des 2 coefficients aux nuds est nul, par exemple en U0 nous avons K0 = 0 (on peut imaginer une membrane qui empche le produit dans l'eau de passer et qu'on modlise donc avec un coefficient de diffusion nul).
FN CRES
Modlisation
60
Alors le flux qE est nul, car le produit tant arrt au nud U0, et rien ne peut migrer vers U0. Si on veut obtenir un flux qE = 0 quelque soit les concentrations aux nuds UE et U0, il suffit d'avoir KE0 = 0. Or la moyenne arithmtique ne rpond pas ce principe puisque nous aurons K + K0 KE + 0 KE K E0 = E = = 0 . Le modle calculera donc un flux avec un coefficient de 2 2 2 diffusion non nul, ce qui n'est pas reprsentatif de ce que nous voulons avoir. Il existe d'autres moyennes autres que la moyenne arithmtique, notamment la moyenne dite 2K E K 0 . harmonique qui se calcule ainsi dans ce cas : K E 0 = KE + K0 On observe immdiatement que si K0 = 0, alors KE0 = 0. Cette moyenne harmonique "favorise" les petites valeurs, c'est--dire que si un des 2 coefficients est petit, alors la moyenne est petite. Par ailleurs, si KE = K0, alors KE0 = KE = K0, ce qui va aussi dans le bon sens. C'est donc la moyenne qu'on adopte pour les calculs. On a donc : 2K E K 0 2K W K 0 2K N K 0 2K S K 0 K E0 = K W0 = K N0 = K S0 = KE + K0 KW + K0 K N + K0 KS + K 0
FN CRES
Modlisation
61
Considrons le schma le plus gnral qu'on ait crit, le schma pondr, o la drive 2u 2u seconde est discrtise par x 2 = x 2 i i
n +1
2u + (1 ) avec 0 1 x 2 i
Pour la premire itration (k = 1), on commence par valuer une valeur de u au pas de temps n +1 1 n+1 (note u ). Ceci peut tre ralis en supposant une variation linaire de u : n +1 1 u = 2u n u n 1 n +1 1 En effet, on a u = u n + u O u est la variation de u entre (n t) et ((n+1)t). Si la variation de u est linaire, on a la mme variation entre (n t) et ((n+1)t) et le pas prcdent ((n-1)t) et (nt) u = u n u n 1 . soit la quantit n +1 1 D'o u = u n + u = u n + u n u n 1 = 2u n u n 1 Ce qui permet de calculer une valeur de a1(u), dont on peut prendre la moyenne pondre sur les 2 pas de temps n +1 1 a1 (u ) = a (u ) + (1 ) a (u n ) +1 n Ceci permet de calculer une valeur de u par rsolution du systme matriciel. 2 Et on recommence les itrations +1 n n a k (u ) = a (u k ) + (1 ) a ( u ) jusqu' convergence de la solution obtenue pour un+1, c'est--dire quand la valeur de un+1 ne bouge plus avec une certaine prcision fixe.
FN CRES
Modlisation
62
6.
FN CRES
Modlisation
a11 .. u n ] .. a n1 .. a ij .. a1n u 1 u1 t t .. .. - 2 [b1 .. b n ] .. = (u A u ) - 2 (b u) a nn u n u n
63
I(u) = [u 1
quon peut noter I(u) = a(u,u) - 2 L(u) o a(u,u) = ut A u L(u) = bt u Remarque : la quantit (ut A u) est appele forme quadratique associe la matrice A. En effet, I(u) =
a ij u i u j 2 b i u i
i =1 j=1 i =1
I( u ) =0 u p
n n n I( u ) n = a pj u j + a ip u i 2 b p = a pi u i + a ip u i 2 b p 0 p=1,n u p j=1 i=1 i=1 i=1 On utilise ici le fait que la matrice A est symtrique : aip = api do n n I( u ) = 2 a pi u i 2 b p = 0 a pi u i = b p p=1,n soit Au = b -cqfdu p i =1 i =1
FN CRES
Modlisation Lquation a(u,v) = L(v) est appele quation dEuler associe au problme de minimum.
64
6.2.4. Rcapitulatif
Le schma suivant rcapitule les quivalences de problmes prcdentes
Systme matriciel Trouver u telle que Au = b Si A symtrique Problme de minimum Trouver u telle que I(u) = a(u,u) 2L(u) soit minimum Si a(u,v) forme bilinaire, symtrique, positive L(u) forme linaire Equation d'Euler associe Soit V en espace vectoriel o on exprime la solution Trouver v V tel que u V a(u,v) = L(v)
Ainsi, on a une srie dquivalence de problmes qui senchainent ainsi : systme matriciel problme de minimum quation dEuler associe et ces quivalences sont lies certaines conditions. Ceci est la base de la mthode dite de Ritz, la mthode des lments finis consistant finalement en un choix trs judicieux d'un sous-espace vectoriel de V.
( v Gu ) d
a(u,v) = L(v) soit un problme quivalent au problme de minimum prcdent. Cette dernire expression est appele forme variationnelle de lEDP. (On verra plus loin concrtement comment on passe de lEDP sa forme variationnelle)
Remarque 1: Lespace V o on exprime la solution est lespace L des fonctions dites de carr sommable. Ces fonctions f (qui peuvent tre complexes) sont telles que
Modlisation
65
2 fonctions appartenant L appartient L1 , espace des fonctions sommables, cest--dire intgrables au sens de Lebesgue (fonctions f telles que
1
f ( x )dx existe).
L et L sont des espaces vectoriels. Par ailleurs, on dmontre quune fonction borne f, nulle en dehors dun intervalle fini (a,b), est sommable. Si, de plus, f est intgrable au sens de Riemann sur (a,b), alors son intgrale de Lebesgue sur cet intervalle est gale son intgrale de Riemann. On verra queffectivement lespace vectoriel o on va exprimer la solution de lEDP est un espace de fonctions nulles en dehors du domaine dtude de lEDP et quil suffira donc dintgrer les quations au sens de Riemann (pourvu quon sache lintgrer). Ce que nous venons de voir dans R stend aussi Rn, y compris donc un domaine o on cherche la solution dune EDP. On parlera donc de L() espace des fonctions de carr sommable dans .
a(uh ,
N
j=1 j
) = L( j N j )
j=1 n
en utilisant la linarit de L : ou encore ceci devant tre vrai vh, donc j : do le nouveau problme :
j=1 j=1 n
a( u h , N j ) = j L( N j )
j=1
[a( u h , N j ) L( N j )] = 0
Trouver uhVh tel que j =1,n : a(uh, Nj) = L(Nj). uh peut aussi sexprimer dans la base des Ni : u h = i N i ; en remplaant uh :
i =1 n
a( i N i , Nj ) = L(Nj)
j=1
i =1
a( N i , N j ) = L( N j )
FN CRES
66
i =1
a( N i , N j ) = L( N j )
6.3. Construction pratique du problme variationnel 6.3.1. Cas dune quation diffrentielle
On traitera dans ce paragraphe lexemple suivant : -u"(x) + u(x) = f(x) = 2x -1 dans lintervalle (a,b) on prendra toujours u(b)=0 et on fera varier la condition en (a).
en intgrant le premier terme par parties (possible si vL(a,b)) : -v(b)u(b) + v(a)u(a) + comme u(a) = u(b) = 0 :
a b a
Le premier terme est bien une forme bilinaire, symtrique et positive, le deuxime une forme linaire, do le nouveau problme :
FN CRES
Modlisation trouver uV tel que vV, on ait a(u,v) = L(v) avec V = { v : vL(a,b); vL(a,b) } a(u,v) =
67
( vf )dx
a
Pour ramener le premier terme une forme bilinaire, symtrique et positive, on va se servir de la libert que lon a de choisir lespace vectoriel o on va exprimer la solution. Ici, on peut le choisit tel que v(a) = 0. Do le nouveau problme : trouver uV tel que vV, on ait a(u,v) = L(v) avec V = { v : vL(a,b); vL(a,b); v(a)=0 } a(u,v) =
et L(v) =
( vf )dx
a
Le vecteur v tant choisit (par le choix de la base o on exprime la solution - voir 6-2.5.) et gN tant connu, il ny a pas de difficult calculer le terme v(a)gN Do le nouveau problme : trouver uV tel que vV, on ait a(u,v) = L(v) avec V = { v : vL(a,b); vL(a,b)} a(u,v) =
et L(v) =
( vf )dx - v(a)gN
a
FN CRES
Modlisation avec V = { v : vL(a,b); vL(a,b); v(a)=0 } Le problme qui apparat alors est que uV puisque u(a)=gD et il faudrait u(a)=0. On dfinit un nouvel espace vectoriel U = { u : uL(a,b); uL(a,b); u(a)=gD } Tout vecteur de U peut scrire : u = u0 [U] + w [V] puisque u0(a)=gD et w(a)=0, on retrouve bien u(a)=gD Le nouveau problme peut alors scrire : Soit u = u0 + w la solution de lquation ; u0U0 trouver wV tel que vV, on ait a(w,v) = L(v) avec U0 = { u0 : u0L(a,b); u0L(a,b); u0(a)=gD } V = { v : vL(a,b); vL(a,b); v(a)=0 } a(w,v) =
68
et L(v) =
( vf )dx
a
(( u )v )d + ( uv )d = ( fv )d
Il faut transformer le premier terme du premier membre de lgalit afin daboutir sur ce premier membre une forme bilinaire, symtrique et positive. Ceci se fait grce la formule de Green, dont lapplication un problme une dimension nest rien dautre que la fameuse intgration par parties. La formule de Green scrit : v u u x i d + v x i d = uvn xi d r r o xi est la ime composante de x et nxi la ime composante de n , normale . En remplaant (u) par sa drive dans la formule de Green : u v 2u u x i x i d + v x i2 d = v x i n xi d Cette relation est vraie i; en sommant ces quations : n r r r r u ( u . v ) d + ( v . u )d = ( v ( n ))d = ( v ( n xi .u ))d x i i =1
FN CRES
Modlisation
69
En revenant notre exemple et en remplaant (( u )v )d obtenu par la formule de Green r r r r (u.v ) d ( v ( n.u ))d + ( uv )d = ( fv )d
do le nouveau problme : trouver uV tel que vV, on ait a(u,v)=L(v) v L(); v/=0 } avec V = { v : vL(); x i r r a(u,v) = (u. v + uv ) d L(v) =
( fv )d
Ce principe est gnralisable dans R3 avec des ttradres. On va alors dfinir une formulation variationnelle sur h et une approximation interne dans un espace vectoriel facilement manipulable sur lensemble des h.
6.5. Cas dune quation diffrentielle - Fonction linaire par morceaux 6.5.1. Cas de condition de Dirichlet homogne
On reprend l'exemple prcdent et les conditions limites suivantes : -u"(x) + u(x) = f(x) = 2x - 1 sur le domaine = [0,1] avec u(0) = 0 et u(1) = 0 FN CRES
Modlisation
70
On a vu que ce problme a la mme solution que le problme suivant : trouver uV tel que vV , on ait : a(u,v) = L(v) avec V = { v : vL() ; vL() ; v(0)=0; v(1)=0} a(u,v) = ( uv + u' v' )dx
0 1
Le domaine dtude est spar en lments de largeur (h). Cette largeur peut tre diffrente pour chaque lment (dans le cas o on veut affiner la connaissance de la solution certains endroits) Dans cet exemple et pour simplifier les critures qui vont suivre, on choisit de sparer le domaine d'tude en 5 lments de mme longueur. h x2 x3 1 x4 x5 x6
0 x6 1
u2 u3 u1 x1 x2 x3
u5 u4
u6 x4 x5 x6 x
FN CRES
Modlisation Si la base est dfinie, il reste calculer les i . Deux questions apparaissent propos de la base de vecteurs Ni(x) : - quels vecteurs ? - combien de vecteurs ?
71
Il serait intressant que les i que lon cherche correspondent aux ui de la fonction tels quils sont dfinis sur le graphique prcdent. Trouver les i conduirait alors avoir directement une estimation de la fonction aux abscisses xi. Comment choisir les Ni(x) pour respecter lalina prcdent ? Ecrivons la solution u(x) en une abscisse particulire, par exemple x2, correspondant une limite dlment et prenons comme nombre de fonctions Ni(x) le nombre dinconnues auquel on est confront (6 ici) u(x2) = 1 N1 (x2) + 2 N2 (x2) + ... + 6 N6(x2) = u2 Pour que 2 = u2 labscisse x2, il suffit de choisir les Ni(x) tels que : N1 (x2) = N3 (x2) = ... = N6 (x2) = 0 et N2 (x2) = 1 Pour une abscisse (x) quelconque comprise entre xi et xi+1 , u(x) est une valeur comprise entre ui et ui+1 qui est la moyenne pondre par les distances respectives entre (xi et x) et (xi+1 et x). Considrons un lment h et crivons symboliquement la solution :
u(x) ui ui-1 = ui-1 0 xi-1 xi xi-1 xi xi-1 1 Ni-1 (x) + ui Ni(x) 1 0 xi toutes les autres + fonctions Nj(x) [ji-1, j i] nulles sur cet lment
La fonction Ni(x) est nulle partout sauf sur lintervalle [xi-1 , xi+1] sur lequel elle est de forme triangulaire. En gnralisant, les fonctions Ni(x) sont de la forme :
N i(x) , i=1 5 N1 (x) N6(x)
x x1 xi-1 xi xi+1 x1 x2
x x5 x6
Fonctions "internes"
Fonction gauche
Modlisation
72
Ces fonctions sont appeles Fonctions de Forme. Elles permettent de reconstituer la solution u(x) partir de morceaux de droite sur chaque lment, connaissant les ui , valeur de la fonction aux bornes de chaque lment. Remarque : en travaillant sur les ui , valeur de la fonction aux bornes de chaque lment, on assure la continuit de la solution. En choisissant les fonctions Ni(x) comme on vient de le voir, la solution sexprime ainsi : u( x ) = u i N i ( x )
i=1 6
La formulation variationnelle de lquation rsoudre a tabli que u(x) doit appartenir lespace vectoriel V = { v : vL() ; vL() ; v(0)=0; v(1)=0}. La base des Ni(x) o on veut exprimer la solution est-elle un sous-espace vectoriel de V ? Les Ni(x) et Ni(x) appartiennent L(), mais on remarque que tous les vecteurs ne sont pas nuls aux abscisses (0) et (1), en particulier N1 (x) et N6 (x). On prendra donc comme sous-espace vectoriel pour lapproximation interne lespace form par la base de vecteurs N2 (x) N5 (x), ce qui conduit a ne traiter que 4 inconnues. Ici, cette conclusion est logique puisque les valeurs de la fonction en (0) et (1) sont imposes par des conditions de Dirichlet homognes et nont donc pas faire partie des inconnues.
Ecriture algbrique
Lapproximation de la solution dans lespace vectoriel form par les vecteurs Ni(x) retenus conduit au systme dquations suivant (voir le paragraphe III-2.5).: Trouver ui tel que i =2,5 et j =2,5 : avec a(Ni , Nj) = L(Nj ) =
1 1
u i a( N i , N j ) = L( N j )
i= 2
0 f ( x ) N j dx
Calcul des termes a(Ni , Nj) Les fonctions Ni (x) tant identifies, il ny a pas de difficult particulire calculer ces termes. Cependant, on peut remarquer certaines redondances dans les calculs. cas o | i - j | > 1 [i et j non contigus]
N(x) 1 Ni(x) 0 xi-1 xi xi+1 xj-1 xj Nj(x) x xj+1
FN CRES
73
Il ny a que lintervalle [xi , xj ] o les fonctions sont non nulles simultanment et donc o a(Ni , Nj) est diffrent de zro. Les fonctions tant identiques sur chaque intervalle, le calcul mnera au mme rsultat sur chaque intervalle, en particulier sur un intervalle [0,h], h tant la largeur dun intervalle. x x Soit sur h = xk+1 - xk , nous avons Nk (x) = 1 et Nk+1 (x) = h h h h x x 1 1 h 1 do a(Ni , Nj) = ( N i N j + N i ' N j ' ) dx = [ (1 ) + ( )] dx = 0 0 h h h h 6 h cas o | i - j | = 0 [i et j confondus]
N(x) 1 Ni(x) xi-1 xi=xj Nj(x) x xi+1
Il ny a que lintervalle [xi-1 , xi+1] o la fonction est non nulle et donc o a(Ni , Ni) est diffrent de zro. Cette intervalle correspond une distance 2h sur laquelle la fonction Ni (x) x x vaut sur [0,h] et 2 sur [h,2h]. h h 2h h h x 1 2h 2 do a(Ni , Ni) = ( N i2 + N ' i2 ) dx = 2 ( N i2 + N ' i2 ) dx = 2 [( ) 2 + ( ) 2 ] dx = + 0 0 0 h h 3 h
Assemblage Cette tape consiste crer la matrice carre du systme matriciel en observant comment les diffrents lments sont agencs. On obtient :
u2
2h 2 + 3 h
u3
h 1 6 h
u4
u5 u2
h 1 6 h
2h 2 + 3 h
h 1 6 h
u3
h 1 6 h
2h 2 + 3 h
h 1 6 h
u4
FN CRES
Modlisation
74
h 1 6 h
2h 2 + 3 h
u5
Calcul des termes L(Ni) Connaissant les fonctions f(x) et Ni(x), il faut calculer L(Ni) =
0 f ( x ) N i ( x ) dx .
1
Le calcul ne pose pas de difficult particulire mais il peut tre simplifier dans la mesure o f(x) peut s'exprimer sous forme d'une fonction linaire par morceaux. Ici, en prenant une largeur h=0.2 sur notre exemple, nous avons : 2x - 1 = (-1) N1(x) + (-0.6) N2(x) + (-0.2) N3(x) + (0.2) N4(x) + (0.6) N5(x) + (1) N6(x) soit f(x) =
6
k Nk( x )
k =1
d'o L(Ni) =
[ k N k ( x )] N i ( x ) dx =
k =1
[ k 0 N k ( x ) N i ( x ) dx ]
1 k =1
or les expressions Nk( x ) Ni( x ) dx ont dj t calcules auparavant sur un lment et par ailleurs, Ni (x) est nulle en dehors de lintervalle [xi-1 , xi+1] On a alors : L(Ni) = i-1
0 N i1( x ) N i ( x ) dx + i 0
h
2h
N i ( x ) N i ( x ) dx + i+1
0 N i+1( x ) N i ( x ) dx
h
L(N )= 0.12 ;
Rsolution du systme
75
Les dveloppements sont les mmes quau paragraphe prcdent. Ici, la base pour lapproximation interne sera constitue des vecteurs N2(x) N6(x) car N6(x)V [la condition v(1)=0 dappartenance V ayant disparue] On prendra simplement garde au fait que a(N6, N6) ne sintgre que sur un seul lment car la h 1 fonction N6 est diffrente de zro que sur le dernier intervalle. On aura donc a(N6, N6)= + 3 h et la matrice carre scrit : u2
2h 2 + 3 h
u3
h 1 6 h
u4
u5
u6 u2
h 1 6 h
2h 2 + 3 h
h 1 6 h
u3
h 1 6 h
2h 2 + 3 h
h 1 6 h
u4
h 1 6 h
2h 2 + 3 h
h 1 6 h
u5
h 1 6 h
h 1 + 3 h
u6
Le calcul des L(Ni) est identique, on rajoute le calcul de L(N6) qui donne 0.0866.
FN CRES
76
Les termes a(Ni ,Nj ) sont identiques aux prcdents. Les termes L(Ni ) scrivent : L(Ni) =
0 f ( x ) N i ( x ) dx +
1
Ni (1)gN.
Le dernier terme est toujours nul sauf pour i=6 o N6(1)=1. Aussi, les L(Ni ) ne changent pas non plus sauf L(N6 ) auquel on rajoute la quantit gN.
et L(v) =
( vf )dx
a
En fait, on peut considrer que les deux espaces U0 et V sont engendrs par la mme base de vecteurs Ni (x) et sont donc de la forme
i N i ( x ) , mais pour
i=1
- U0 : 1 = gD et i = 0 pour les autres coefficients - V : 1 = u1 =0 et i = ui 0 ( priori) pour les autres coefficients Chacun des vecteurs u0 [ U0] et w [ V] peut alors scrire sur cette base. Un vecteur solution u = u0 [ U0] + w [ V] scrit alors : u=
i N i ( x ) [ U0]
i=1 5 5
u i N i ( x ) [ V]
i=1
Le systme dquations (voir le paragraphe III-2.5) auquel conduit lapproximation interne va alors scrire : j =1,n : Or pour U0 : pour V :
i a( N i , N j ) + u i a( N i , N j ) = L( N j )
i=1
i=1
La recherche des inconnus ui conduit un problme 4 inconnues pour i=2,3,4 et 5 soit : j =2,n : g D a( N 1 , N 2 ) + u i a( N i , N j ) = L( N j )
i= 2
j =2,n :
u i a( N i , N j ) = L( N j ) g D a( N1 , N 2 )
i= 2
FN CRES
Modlisation
77
Par rapport au systme dquations du premier exemple (paragraphe III-4.1.1) seule la premire ligne est change et scrit : u2 a(N2 ,N2 ) + u3 a(N2 ,N3 ) + 0 = L(N2 ) - gD a(N1 ,N2 )
Le domaine dtude est spar en lments de largeur (h). Cette largeur peut tre diffrente pour chaque lment (dans le cas o on veut affiner la connaissance de la solution certains endroits) Dans cet exemple, on choisit de sparer le domaine d'tude en 5 lments de mme longueur.
x1
x2
x3
x4
x5
x6
FN CRES
Modlisation
78
x1
x2
x3
x4
x5
x6
Remarque : - il y a continuit de la fonction par morceaux - il n'y a pas continuit de la drive (comme pour l'approximation linaire par morceaux)
Pour dcrire une parabole sur un lment, il suffit de 3 points; on choisit gnralement les deux points extrmes (ce qui assurera la continuit entre les morceaux) et le point milieu.
xi
xi+1/2
xi+1
La dimension de l'espace vectoriel o se fait l'approximation est dtermine par le nombre d'inconnues que l'on se fixe. Ici, 3 inconnues par lments, dont les inconnues extrmes sont communes deux autres lments (aux conditions limites prs que l'on verra un peu plus loin). La solution u(x) sera donc approxime par l'expression suivante exprime sur une base de 11 vecteurs - priori- nots Ni(x) et Ni+1/2(x) u(x) = u i N i ( x ) + u i+1/ 2 N i+1/ 2 ( x )
i =1 i =1 5 5
Le premier terme de la somme correspond aux points extrmes de chaque lment; le deuxime terme correspond aux points milieux. Le problme est alors le choix des fonctions Ni(x) et Ni+1/2(x) En adoptant le mme symbolisme vue avec le paragraphe prcdent, on peut crire :
FN CRES
Modlisation
79
u(x) = ui
Ni(x) 1 + ui+1/2
Ni+1/2(x) 1 + ui+1
Ni+1(x) 1
xi
xi+1/2 xi+1
xi
xi+1/2 xi+1
xi
xi+1/2 xi+1
xi
xi+1/2
xi+1
x1
x1/2 x2
xi-1
xi-1/2
xi
xi+1/2
xi+1
xi
xi+1/2 xi+1
xi
xi+1/2
xi+1
Ni+1/2 Ni Ni+1
xi
xi+1/2
xi+1
FN CRES
Modlisation
80
On remarque que sur la frontire x1 o on a une condition de Dirichlet, le vecteur N1 n'appartient pas l'espace vectoriel o on approxime la solution. En effet, cet espace est tel que v : v(0) = 0; or N1(0) = 1; L'espace vectoriel sera donc constitu partir de la base : ( N2 , N3 , N4 , N5 , N6 , N3/2 , N5/2 , N7/2 , N9/2, N11/2 )
Ecriture algbrique
En remplaant u(x) et v(x) par leurs expressions sur la base d'approximation : u(x) = u i N i ( x ) + u i+1/ 2 N i+1/ 2 ( x ) v(x) = i N i ( x ) + i+1/ 2 N i+1/ 2 ( x )
i =1 i =1 i =1 5 i =1 5 5 5
et en utilisant la linarit de la forme L , l'quation a(u,v) = L(v) se ramne au systme d'quations suivant avec 10 inconnues : (en notant Ni le vecteur Ni(x) et Ni+1/2 le vecteur Ni+1/2(x) )
i = 2, 6 i = 1, 5
a ( u jN j + a ( u jN j +
j= 2 j= 2 6
u u
j=1 j=1 5
j+1/ 2
N j+1/ 2 , Ni ) = L(Ni)
j+1/ 2
uj a( N j , N i ) +
j= 2 6 j= 2
u
j=1 5 j=1
j+1/ 2
a( N j+1/ 2 , N i ) = L(Ni)
... ...
FN CRES
Modlisation
81
Sachant que a est symtrique, l'criture de ce systme impose de calculer les expressions de la forme suivante :
i+1/ 2
Chaque calcul d'intgrale des expressions ci-dessus entre 0 et 1 peut tre dcompos sur chaque lment; en effet (en notant g(x) un des termes intgrer ci-dessus) :
g( x ) dx =
0
x2
x1 h
g( x )dx +
x3
x2
g( x )dx + ... +
x6
x5
g( x )dx =
i =1
l ment
x i +1
xi
g( x )dx
soit
g( x ) dx = g( x )dx +
0 0
2h
g( x )dx + ... +
5h
4h
g( x )dx =
(e)
g( x )dx
Comme toutes les fonctions Ni et Ni+1/2 ont la mme allure quelque soit l'lment o on se place, les calculs d'intgrales sont les mmes sur chaque lment et en particulier sur le premier entre 0 et h (de plus, on a pris dans cet exemple tous les lments de mme largeur h). On calcule donc chaque terme intgral entre 0 et h et on procdera ensuite l'assemblage des lments.
L'quation gnrale s'crit : ax2 + bx + c = 0. On sait que chaque parabole passe par 3 points ce qui donne 3 quations 3 inconnues chaque fois.
Ni 0 h/2 h
Ni+1/2
4 4 x + x = 0 h h
FN CRES
Modlisation
82
Ni+1
h/2
Maintenant que l'on connat les quations des branches de paraboles, il faut calculer les termes a(Nk,Nm), ce qui impose de calculer des intgrales avec les fonctions du type Nk et N'k. Les calculs sont rcapituls dans les tableaux suivants : Ni Ni+1/2
h 15
Ni+1
h 30
(N
0
N m )dx
Ni
2h 15
Ni+1/2
h 15
8h 15
h 15
Ni+1
h 30
h 15
2h 15
N'i
N'i+1/2
8 3h
N'i+1
1 3h
( N'
0
N'm )dx
N'i
7 3h
N'i+1/2
8 3h
16 3h
8 3h
N'i+1
1 3h
8 3h
7 3h
Assemblage
fonction Ni+1/2 Chaque fonction Ni+1/2 est non nulle sur un seul lment la fois. Sur cet lment, deux autres fonctions, Ni et Ni+1 sont galement non nulles L'inconnue rattache la fonction en question, ui+1/2 , sera donc lie par une quation avec les inconnues ui et ui+1; Il n'y aura donc que 3 termes sur une ligne de la matrice relative l'quation (i+1/2) d'un point milieu. fonction Ni Chaque fonction Ni est non nulle sur deux lments la fois. Sur ces lments, quatre autres fonctions, Ni-1, Ni-1/2, Ni+1/2 et Ni+1 sont galement non nulles
FN CRES
Modlisation
83
L'inconnue rattache la fonction en question, ui , sera donc lie par une quation avec les inconnues ui-1, ui-1/2, ui+1/2, et ui+1; Il y aura donc 5 termes sur une ligne de la matrice relative l'quation (i) d'un point extrme d'lment. Les points limites droite et gauche constituent des cas particuliers. En x3/2 , il n'y aura que deux termes dans l'quation car N1(x) n'existe pas dans la base d'approximation. En x6 , qui est un point extrme, mais frontire, il n'y a pas d'lment droite. Il y aura donc 3 termes considrer (relatifs N5, N11/2 et N6).
Remarque : Attention aux points extrmes non frontires pour lesquels deux lments sont concerns; il faut cumuler deux fois les intgrales du type a(Ni,Ni) [puisque chaque calcul n'a t fait que sur un seul lment]
u2
h 8 15 3h
u5/2
u3
u7/2
u4
u9/2
u5
u11/2
u6 u3/2
h 8 15 3h
4h 14 + 15 3h
h 8 15 3h
h 1 + 30 3h
u2
h 8 15 3h
8h 16 + 15 3h
h 8 15 3h
u5/2
8 h 1 h + 30 3h 15 3h
4h 14 + 15 3h
h 8 15 3h
h 1 + 30 3h
u3
h 8 15 3h
8h 16 + 15 3h
h 8 15 3h
u7/2
8 h 1 h + 30 3h 15 3h
4h 14 + 15 3h
h 8 15 3h
h 1 + 30 3h
u4
h 8 15 3h
8h 16 + 15 3h
h 8 15 3h
u9/2
8 h 1 h + 30 3h 15 3h
4h 14 + 15 3h
h 8 15 3h
h 1 + 30 3h
u5
h 8 15 3h
8h 16 + 15 3h
h 8 15 3h
u11/2
FN CRES
Modlisation
8 h 1 h + 30 3h 15 3h 2h 7 + 15 3h
84 u6
Ici, le calcul peut tre simplifier dans la mesure o f(x) peut s'exprimer sous forme d'une fonction parabolique par morceaux. En effet : 2x - 1 = (-1)N1(x) + (-0.8)N3/2(x) + (-0.6)N2(x) + (-0.4)N5/2(x) + (-0.2)N3(x) + (0)N7/2(x) + (0.2)N4(x) + (0.4)N9/2(x) + (0.6)N5(x) + (0.8)N11/2(x) + (1)N6(x) soit f(x) =
m=1
1 0
11
Nm(x)
11
d'o L(Nk) =
[ m N m ( x )] N k ( x ) dx =
m =1 xi+1
[ N
1 m =1 m 0
11
( x ) N k ( x ) dx ]
or les expressions
xi
(-0.4) N 5/ 2 ( x ) N 2 ( x ) dx + (-0.2) N 3 ( x ) N 2 ( x ) dx
0 0
(On ne fait pas intervenir les autres fonctions car N2(x) est alors gal zro.) L(N2) = (-1)( On obtient L(N3/2) = L(N7/2) = 0 L(N11/2) =
8h 15 h 2h h h h h ) + (-0.8)( ) + 2(-0.6)( ) + (-0.4)( ) + (-0.2)( ) = 15 15 15 30 30 5 h 5 4h 15 4h L(N9/2) = 15 h 15
8h 15
L(N2) = L(N4) =
L(N5/2) =
L(N3) = L(N5) =
h 5
h 15 h L(N6) = 6
Rsolution du systme
FN CRES
Modlisation
85
y 1
u=0
u=0
-u = f
u=0
x 0 u=0 1
soit = (]0,1[ x ]0,1[) le domaine interne et la frontire. On montre en utilisant la formule de Green : u (grad u . grad v ) d + ( v u ) d = ( v n ) d
et en choisisant v/ = 0
(grad u . grad v ) d
( v f ) d
( v f ) dx dy
d'o le nouveau problme : trouver uV tel que vV , on ait a(u,v) = L(v) v v L() ; L() ; v/=0} = H1 avec V = {v : vL() ; 0 () x y a(u,v) = L(v) =
( grad u . grad v ) d
( v f ) d
Parmi les plus simples mettre en oeuvre, il y a les lments triangulaires (cest une surface descriptible partir dun nombre de points minimum : 3).
FN CRES
Modlisation
86
1
13 9 5 1 14 10 6 2 15 11 7 3 16 12 8 4
Il y a en tout dans cet exemple 50 lments triangulaires qui permettre de couvrir tout le domaine dtude. (Sur ce schma, les noeuds qui vont nous intresser sont numroter de 1 16.)
Approximation de la solution
On veut exprimer la solution dans un sous-espace vectoriel de vecteurs de base Ni(x) tels que u(x) = u i N i ( x, y ) avec Ni(x,y) fonctions linaires par morceaux en x et en y
i =1 m
1 i y
Ni(x)
Ni(x,y) vaut (1) au sommet (i) et (0) sur les lments triangulaires qui ne sont pas jointifs avec le sommet (i). On obtient aux bords :
1 i y i i x
FN CRES
Modlisation Les vecteurs sur la frontire du problme n'appartiennent pas ce sous-espace vectoriel car Ni(x,y) = 1 sur alors qu'on doit avoir = 0 sur
87
On choisit donc comme base l'ensemble des vecteurs dfinis sur les noeuds rguliers (internes), soit ici 16 vecteurs correspondants aux noeuds numrots de 1 16 sur le schma prcdent.
Ecriture algbrique
En utilisant la linarit de a(u,v) et de L(v), on se ramne au systme d'quations suivant : trouver uj avec j = 1.. 16 tq i=1..16 :
Calcul des termes a(Ni,Nj)
u
j=1
16
a( N i , N j ) = L(N i )
l ment
(e)
On va donc dterminer les intgrales sur chaque triangle (ce sont les mmes) et ensuite faire l'assemblage. Sur chaque triangle, il y a 3 fonctions qui sont simultanment non nulles. De plus, il y a 2 types de triangle :
b -h a
c type D
c h
type G a -h
Triangle de type G il faut d'abord calculer l'quation des fonctions non nulles sur ce triangle. Calculons par exemple la fonction note Nb(x,y) valant 1 au sommet (b). avec Nb(0,0) = 1 Nb(x,y) = b1 + b2 x + b3 y Nb(h,0) = 0 Nb(0,-h) = 0 1 h x y d'o grad Nb = On en tire Nb(x,y) = 1 - + + h h 1h De faon analogue 0 y Na(x,y) = d'o grad Na = h 1 h
FN CRES
Modlisation
88
Nc(x,y) =
x h
d'o
1 h grad Nc = 0
d'o le calcul des intgrales dans ce triangle (on a y = x-h) 2 0 N 2 h h 0 N 1 a a dy dx = ( 0 + ) dy dx exemple : a(Na, Na) = + 0 x h 0 x h h x y h 0 h y h hx 1 1 x x dx = = ( ) dx = =1- = 0 0 h 2 2 h 2h 0 h x h
( )
a
1 2
c 0
1 2
1 2
1 2
1 2
triangle de type G
sommets a
a
1 2
b
1 2
c 0
1 2
1 2
1 2
1 2
triangle de type D
Assemblage
FN CRES
Modlisation
89
l ment
(e)
intgrales sur chaque lment (il y a ici 50 triangles). Cette opration se fait en observant comment s'organisent les triangles.
Calcul de a(Ni, Nj) pour i=j On adopte la numrotation suivante des lments quand on se trouve sur le sommet (i) :
4 5 6 1 i 2 3
Seuls ces 6 lments interviennent puisque la fonction Ni(x,y) est non nulle sur ceux-ci, et est nulle sur les autres. Il faut donc regarder le type (G ou D) de triangle concern chaque fois. lment ou triangle n 1 2 3 4 5 6 do a(Ni,Ni) = 4 type D G D G D G sur ce triangle, (i) est un sommet de type c b a a b c valeur de a(Ni,Ni) sur cet lment 1/2 1 1/2 1/2 1 1/2
1 Frontire droite
Remarque : Il y a aussi un cas C a envisager avec (i+1) en bas et (i) en haut. Mais a(Ni, Nj) tant symtrique, on trouvera la mme chose dans les cas A et A, et C et C On ne calcule que le cas A et C
FN CRES
Modlisation Cas A . lment ou triangle n cas A 1 cas A 2 type G D (i) et (i+1) sont des sommets de type b et c a et b
90
do a(Ni,Ni+1) = a(Ni+1,Ni) = -1 dans les cas A et A Cas C Les fonctions Ni et Ni+1 ne sont jamais non nulles simultanment, do a(Ni,Ni+1) = a(Ni+1,Ni) = 0 dans ce cas
Calcul de a(Ni, Nj) pour | i-j | = 4 (en gnralisant, =n si il y a n sommets par ligne)
cas A 1 i i+1 2 ou 1 i+1 cas A i 2
Encore une fois, les deux cas sont symtriques lment ou triangle n cas A 1 cas A 2 type D G (i) et (i+1) sont des sommets de type b et c a et b valeur de a(Ni,Ni) sur cet lment -1/2 -1/2
Calcul de a(Ni, Nj) pour | i-j | = 4+1 = 5 (en gnralisant,=n+1 si il y a n sommets par ligne)
cas A 2 1 i i+1 ou cas A 2 1 i+1 i
Les deux cas sont toujours symtriques lment ou triangle n cas A 1 cas A 2 type D G (i) et (i+1) sont des sommets de type a et c a et c valeur de a(Ni,Ni) sur cet lment 0 0
Modlisation Il y a toujours au moins une des fonctions qui est nulle do a(Ni,Nj) = 0 pour ces cas l. On peut rcapituler ces rsultats dans une matrice. u1 4 -1 u2 -1 4 -1 u3 -1 4 -1 u4 -1 4 0 u5 -1 u6 -1 -1
0 4 -1
91
u7
u8
u9
u10
u11
u12
u13
u14
u15
-1 -1 4 -1 -1 -1 4 -1 -1 -1 4 0 -1
0 4 -1
-1 -1 -1
-1 -1 -1
-1 -1 4 -1 -1 -1 4 -1 -1 -1 4 0 -1
0 4 -1
-1 -1 -1
-1 -1 4 -1 -1 4 -1
-1 -1 -1
-1 4
1 1
FN CRES
Modlisation
92
1 1
FN CRES
Modlisation
93
7.
Ce chapitre est l titre informatif, car il permet de complter ce cours sur la modlisation.
7.1. Introduction
On cherche rsoudre le systme suivant : a 11 x 1 + a 12 x 2 + L + a 1n x n = b1 a x + a x + L + a x = b 21 1 22 2 2n n 2 M a n1 x 1 + a n 2 x 2 + L + a nn x n = b n On note ce systme
AX = B
A = a ij , X = [x i ] et B = [b i ]
[ ]
Soit
a 11 a 21 M a n1 a 12 a 22 a n2 L a 1n x 1 b1 L a 2n x 2 = b 2 M M L a nn x n b n
On ne change rien : - en permutant deux lignes simultanment en A et B - en multipliant chaque ligne par un scalaire - en additionnant une ligne une autre ligne de la matrice - en combinant les oprations prcdentes
Remarque : il existe une seule solution X si la matrice A est rgulire (dterminant non nul)
La ncessit de rsoudre de tels systmes d'quations apparat dans de nombreuses mthodes numriques (analyses de donnes, rsolutions d'quations, mthodes des diffrences finies et des lments finis,). On peut distinguer deux principes de rsolution d'un tel systme : - la mthode directe (base sur la mthode du pivot) qui s'adapte bien aux systmes o A est une matrice dense mais d'ordre peu lev, ou bien A est une matrice bande, mme d'ordre lev. - La mthode itrative, qui s'adapte bien aux systmes o A est creuse (beaucoup de zros) et d'ordre lev.
FN CRES
Modlisation
94
on cherche a le transformer en un systme de la forme 1 0 L 0 x 1 d 1 0 1 L 0 x d 2 = 2 M M M 0 0 L 1 x n d n On cherche donc transformer la matrice A en la matrice identit. a) on divise la premire ligne par a 11
1 a 21 M a n1 a '12 L a '1n x 1 b'1 a 22 L a 2 n x 2 = b 2 M M a n 2 L a nn x n b n
avec
b) on annule le premier terme des autres lignes en retranchant chaque ligne la premire multiplie par le premier lment de chaque ligne. 1 a '12 L a '1n x 1 b'1 0 a ' ' a ' 'ij = a ij a '1 j a i1 L a' '2n 22 x 2 = b' ' 2 avec pour i = 2 n et j = 1 n M M M b' 'i = b i b'1 a i1 0 a ' ' n 2 L a ' ' nn x n b' ' n On dit que l'on vient de prendre la premire ligne comme pivot et son premier lment comme lment pivot. On recommence en prenant comme pivot la seconde ligne et son deuxime lment comme lment pivot. 1 0 L 0 x 1 d 1 0 1 L 0 x d 2 = 2 On arrive ainsi au systme M M M 0 0 L 1 x n d n d'o la rsolution de l'quation avec
x i = d i pour i = 1 n
FN CRES
Modlisation
95
b) Recherche du pivot maximum partiel Parmi les lignes pivot qui n'ont pas t traites, on cherche la ligne (i) pour laquelle l'lment pivot est maximum. Puis on intervertit les lignes pour travailler avec le pivot maximum (en valeur absolue), sans oublier d'intervertir les termes b i . Ou bien on procde de la mme faon en intervertissant les colonnes de faon placer en lment pivot le terme maximum de la ligne pivot (sans oublier d'inverser les x i ). c) Recherche du pivot total On cherche la valeur maximale de la matrice (*) pour s'en servir d'lment pivot, en intervertissant les lignes et les colonnes. (*) il sagit ici de la sous-matrice carre constitue de lintersection des lignes et colonnes non encore traites. Remarque : si le dernier pivot est nul, alors c'est que le systme d'quation admet une infinit de solutions. d) Vrification des rsultats On peut aussi vrifier les rsultats en recalculant les quations (connaissant les x i ) et les comparer aux termes b i .
FN CRES
Modlisation x n = d n x = d x c n 1 n n -1 , n n 1 x n 2 = d n 2 x n 1 c n -2 , n -1 x n c n -2 , n L
96
Remarque : Il existe les mmes problmes que pour la mthode de Gauss-Jordan quand les pivots sont nuls ou proches de zro.
n3 oprations. Ce qui est peu, compar aux mthodes ncessitant le calcul de 3 dterminants (mthode de Cramer). Ces approches peuvent donc tre utilises pour des valeurs de n grandes.
Mthode de Cramer : Si D est le dterminant de la matrice A et si D i est le dterminant de la matrice obtenue en remplaant la ime colonne de A par le vecteur B, alors la D solution du systme est le vecteur X tel que x i = i D Cette mthode ncessite le calcul de (n+1) dterminants obtenus chacun par (n-1) n! multiplications, soit (n-1) n! oprations.
+ a n 1 x n 1 + anxn
+ b n 1 x n
= y n 1 = yn
FN CRES
97
O O 0
L L 0
pour i = 1 n Ai = Bi = bi c i A i 1 + a i
y i c i B i 1 c i A i 1 + a i
7.4.1. Principe
Soit le systme matriciel A X = B. On dcompose la matrice A en deux matrices M et N telles que A = M + N, d'o : (M + N) X = B M X = -N X + B X = M-1 (-N X + B) En partant d'un vecteur X(0) initial, on calcule successivement les nouveaux vecteurs X(1) puis X(2) etc par la formule de rcurrence : X(k) = M-1 (-N X(k-1) + B)
FN CRES
Modlisation
98
Cette convergence est vrifie si le rayon spectral de la matrice M-1N est infrieur 1 (le rayon spectral tant le module maximal des valeurs propres = max i ).
Remarques : la condition de convergence n'est pas toujours facile vrifier. On la remplacera alors par une condition suffisante telle que a ii a ij (matrice A diagonale
j= j i
dominante)
Le choix des matrices M et N va dpendre de la mthode. Mais M sera choisie de faon tre facilement "inversible". On s'arrte quand l'cart des valeurs du vecteur X entre deux itrations devient petit.
0 x1 b1 0 b a M x 2 = 2 21 M M O 0 M 0 a nn x n ( k ) b n a n1
a 12 0 a n2
L a 1n x 1 L a 2n x 2 M O L 0 x n ( k 1)
n 1 Donc on obtient la formule : x i( k ) = b i a ij x j(k -1) a ii j=1 j i (cette formule revient calculer chaque xi(k) en lisolant dans la ime quation o les autres
99
L O
a n ( n 1)
0 x1 b1 0 a 12 M x2 = b 2 0 0 0 M M M a nn x n ( k ) b n 0 0
x i( k ) = 1 a ii
L a 1n x 1 L a 2n x 2 M O L 0 x n ( k 1)
C'est le mme schma que pour la mthode de Jacobi, sauf qu'il faut intgrer les valeurs de X(k) calcules au fur et mesure (on calcule chaque xi(k) par la ime quation en remplaant
les autres inconnues par leur dernire valeur calcule) La condition de convergence est la mme que pour la mthode de Jacobi. Cette mthode est plus rapidement convergente que la mthode de Jacobi.
x i ( k ) = x i ( k 1) + ( x i ( k ) x i ( k 1) )
est le facteur de relaxation, = 1 pour une itration normale < 1 pour une sous-relaxation > 1 pour une sur-relaxation. En gnral : 0<<1 permet de faire converger un processus divergent 1<<2 acclrer un processus convergent >2 divergence Exemple : la relaxation dans la mthode de Gauss-Seidel donne
n i 1 1 x *i( k ) = x i( k 1) + b a x a x x i ij j(k -1) ij j(k) i( k 1) a j=i +1 j=1 ii
FN CRES
Modlisation
100
Le produit matriciel entre A et x donne la matrice B. Ce produit s'effectue ainsi : a 11 x 1 + a 12 x 2 + a 13 x 3 = b1 Ax = B a 21 x 1 + a 22 x 2 + a 23 x 3 = b 2 a 31 x 1 + a 32 x 2 + a 33 x 3 = b 3 Pour obtenir la premire quation, on multiplie terme terme la premire ligne de la matrice A par la matrice x, qui est donc gale au premier terme de la matrice B. Et de mme pour les autres quations. Soit nime ligne de A x (produit terme terme) = nime terme de B Il faut bien remarquer que dans la matrice A n'apparaissent que les coefficients devant les inconnues xi alors que dans la matrice B, il y a les termes indpendants des inconnues (on parle de B comme du second membre des quations) Ainsi les 3 quations 3 inconnues prcdentes s'crivent :
3 0 1 x 1 5 0 2 4 x = 0 2 7 2 1 x 3 1
FN CRES
Modlisation
101
On sait que cette droite passe par les points (Ci, ti) et (Ci+1, ti+1) car c'est comme cela qu'on construit cette corde : Ci = at i + b Ci +1 = at i +1 + b De la premire quation, on tire b = C i at i . En remplaant dans la deuxime quation : C Ci C C i +1 = at i +1 + C i at i soit Ci +1 Ci = a ( t i +1 t i ) et a = i +1 = = tg () CQFD t i +1 t i t
FN CRES
Modlisation
102
Peut-on retrouver la valeur de u(5) connaissant simplement u(3) = 40 et les drives de u(x) l'abscisse x=3 ? D'aprs le dveloppement de Taylor sur cette fonction polynomiale u(x) de degr 3: du ( x ) x 2 d 2 u ( x ) x 3 d 3u ( x ) u ( x + x ) = u ( x ) + x + + +0 dx 2! dx 2 3! dx 3 Le "0" la fin indique que les drives partir de l'ordre 4 sont nulles Nous avons du = 3x 2 + 2 x + 1 dx d 2u = 6x + 2 dx 2 d 3u =6 dx 3 dnu = 0 pour n 4 dx n
du soit = 3 32 + 2 3 + 1 = 34 dx 3 d 2u soit dx 2 = 6 3 + 2 = 20 3 d 3u soit dx 3 =6 3
En remplaant :
d 2 u ( x ) x 3 d 3u ( x ) dx 2 + 3! dx 3 +0 3 3 2 3 2 2 u (5) = 40 + 2 34 + 20 + 6 = 40 + 68 + 40 + 8 = 156 2! 3! du ( x ) x u (3 + 2) = u (3) + 2 + 2! dx 3
2
Ceci est un exemple et pas une dmonstration, mais il montre que "a marche" !
FN CRES
Modlisation
103
y r
x u ( x , y) u ( x , y) + en fonction x 2 y 2 des coordonnes (r , ). Il faut donc remplacer les drives en x et y en faisant apparatre les drives en r et . u u Dans un premier temps, on va crire la drive premire en fonction des drives et y r u . u u x u y = + r x r y r On a (1) u u x u y car r et sont des fonctions de x et y. = + x y x x En multipliant chaque expression respectivement par et r u x u x x u y x = + r x r y r u x u x x u y x = + r x r y r
2
En retranchant ces 2 expressions, les premiers termes des membres de droite disparaissent : u x u x u y x u y x = r r y r y r u x u x u y x y x u = Ou encore en factorisant r r y r r y Par ailleurs x = r cos() et y = r sin() x (r cos() ) = r sin() et x = (r cos() ) = cos() = r r y y = (r sin() ) = r cos() et = (r sin() ) = sin() r r
u u u x u x = r sin() cos() r r r y x y x = r sin(). sin() r cos() cos() = r (sin 2 () + cos 2 ()) = r r r u u u = r L'expression devient r sin() cos() y r En remplaant FN CRES
104
D'o
y y et r
En retranchant ces 2 expressions, les derniers termes des membres de droite disparaissent : u y u y u x y u x y = r r x r x r u y u y u x y x y u ( x, y) = Ou encore en factorisant r r x r r x Par ailleurs x (r cos() ) = r sin() et x = (r cos() ) = cos() = r r y y = (r sin() ) = r cos() et = (r sin() ) = sin() r r
u ( x, y) y u ( x, y) y u ( x , y) u ( x, y) = r cos() sin() r r r x y x y = r cos(). cos() + r sin() sin() = r (sin 2 () + cos 2 ()) = r r r u u u L'expression devient r cos() sin() =r x r u u u 1 = cos() sin() D'o x r r En remplaant
2u 2u et x 2 y 2
FN CRES
Modlisation
105 2u 2u 1 u 1 2u 2 = cos ( ) + cos( ) sin( ) cos( ) sin( ) x 2 r 2 r 2 r r 2 1 u 1 u 1 u 1 2u + sin 2 () sin() cos() + 2 sin() cos() + 2 sin 2 () 2 r r r r r r u u 1 2 u u + cos() = sin() = 2 r y r y y y y 2u u 1 u 1 u 1 u = sin() sin() + cos() + cos() sin() + cos() 2 r r r r r r y
2u 2u 1 u 1 2u 2 sin ( ) sin( ) cos( ) sin( ) cos( ) = + r r y 2 r 2 r 2 u 1 2u 1 u 1 2u 1 + cos 2 () + cos() sin() 2 cos() sin() + 2 cos 2 () 2 r r r r r r
2u 2u 2u 1 u 1 2u 2 2 2 2 2 2 + = (cos () + sin () ) 2 + (cos () + sin () ) + 2 (cos () + sin () ) 2 r r r r x 2 x 2 Soit le laplacien en coordonnes polaires : 2 u 1 u 1 2 u + + r 2 r r r 2 2
FN CRES
Modlisation
106
BIBLIOGRAPHIE
A. LE POURHIET Rsolution Numrique des quations aux drives partielles ; une premire approche. Cepadues-Editions - 1988 Un excellent ouvrage, "ancien", mais trs clair dont j'ai repris certains lments. B. MOHAMMADI, JH SAIAC Pratique de la simulation numrique. Industrie et Technologies Dunod 2003 Pour aller plus loin dans les quations aux drives partielles, mais plus difficile lire (concepts mathmatiques).
FN CRES